针对少样本无监督图像异常检测的良好数据增强方法
计算机视觉与模式识别
2023-04-25 v3
摘要
数据增强是工业应用中无监督异常检测的一项极具前景的技术，在这些应用中，由于商业竞争和样本采集困难等因素，正样本的可用性通常有限。本文研究了如何为无监督异常检测有效地选择和应用数据增强方法。通过实验系统地研究了各种数据增强方法对不同异常检测算法的影响。实验结果表明，不同工业图像异常检测（industrial image anomaly detection, IAD）算法的性能并未受到所采用的特定数据增强方法的显著影响，并且组合多种数据增强方法不一定会进一步提高异常检测的准确率，尽管它可以在特定方法上取得优异的结果。这些发现为在 IAD 中针对不同需求选择合适的数据增强方法提供了有用的指导。
引用
@article{arxiv.2304.03294,
title = {What makes a good data augmentation for few-shot unsupervised image anomaly detection?},
author = {Lingrui Zhang and Shuheng Zhang and Guoyang Xie and Jiaqi Liu and Hua Yan and Jinbao Wang and Feng Zheng and Yaochu Jin},
journal= {arXiv preprint arXiv:2304.03294},
year = {2023}
}