异常检测论文（一）：CutPaste

CutPaste: Self-Supervised Learning for Anomaly Detection and Localization

（基于自监督学习的图像异常检测的定位方法）

1 摘要

一个高性能的缺陷检测模型，能够在没有异常数据的情况下检测出未知的异常缺陷（即没有异常数据标签也可以学习到检测异常的能力）。该篇论文提出了一个两阶段框架：首先学习到自监督的深度表示，然后在学习到的表示上构建一个单分类器one-class classifier.

2 具体框架

深度表示的学习：通过CutPaste！！CutPaste流程：对于一个输入样本，

先随机cut一个小的任意大小的矩形区域patch
选择性的对该patch进行旋转或改变像素值操作
将改变后的patch paste到原样本的任意一个地方

经过CutPaste之后可以得到一个假定的异常样本，此假定的异常样本和真实的异常样本相似，相当于可以构建异常样本的数据集进行学习训练。CutePaste的具体流程可见下图2.1

图2.1 同一个CNN判别网络，可将CutPaste之后的图像判别为异常

创建了完整的有正常有异常的样本之后，再利用神经网络进行学习，目标函数为：

其中CP表示CutPaste, g表示经过神经网络学习之后的判别分类器，CE表示交叉熵损失，即LCP可以表示该分类器鉴别正常与异常的能力，LCP越小，能力越强。

以上流程是完整的训练过程，通过CutPaste创建异常数据进行训练，但是注意CutPaste虽然与一些缺陷很类似，但是并不能完全代替所有缺陷，只是在训练过程中，将经过CutPaste之后的样本放入神经网络中学习到的embeding与异常样本的embeding有同样的异常性。即第一阶段只是学习正常和异常的深度表示，即embeding！

第二阶段，解决如何正确判别embeding是正常还是异常：DGE（Gaussian Distribution Estimination），利用GDE计算异常分，某个值以下的判定为异常。此阶段指针对测试阶段。

3 缺陷定位

若图片判断为异常，则将其cut成多个patch，然后对patch计算异常得分，异常的patch中则有缺陷的存在。

参考文章：https://blog.csdn.net/qq_34809969/article/details/119183149

参考代码（非官方）：https://github.com/Runinho/pytorch-cutpaste

异常检测论文（一）：CutPaste相关推荐

【异常检测-论文阅读】（CVPR 2022）Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection
来源: Ristea N C, Madan N, Ionescu R T, et al. Self-supervised predictive convolutional attentive bloc ...
异常检测论文阅读笔记《MIST: Multiple Instance Self-Training Framework for Video Anomaly Detection》
MIST: Multiple Instance Self-Training Framework for Video Anomaly Detection 论文来源:CVPR 2021 原论文地址链接相 ...
【视频异常检测-论文阅读】Anomaly Detection in Video via Self-Supervised and Multi-Task Learning
来源: Georgescu, Mariana-Iuliana, et al. "Anomaly Detection in Video via Self-Supervised and Mult ...
异常检测论文阅读《PANDA: Adapting Pretrained Features for Anomaly Detection and Segmentation》
<PANDA: Adapting Pretrained Features for Anomaly Detection and Segmentation> CVPR2021 论文背景: 近年 ...
【图异常检测论文解读】AnomMAN: Detect Anomaly on Multi-view Attributed Networks
论文链接:AnomMAN: Detect Anomaly on Multi-view Attributed Networks. 一.前言 1.1 以往图异常检测算法的问题大多数图异常检测算法仅仅考虑 ...
异常检测论文解读—Memorizing Normality to Detect Anomaly
论文链接 code暂时未开源这是一篇异常检测方向的paper:ICCV2019已收录. 论文背景目前视觉中基于无监督学习的异常检测主要为编码器-解码器结构,仅训练正常样本,希望测试阶段的正常样本有 ...
GAN异常检测论文笔记(一)《GANomaly: Semi-Supervised Anomaly Detection via Adversarial Training》
0 Abstract: 通过使用一个联合学习高维图像空间的生成和潜伏空间的推理的生成对抗性网络,引入了这种新型的异常检测模型.在生成器网络中采用编码器-解码器-编码器子网络,使模型能够将输入图像映射为 ...
异常检测论文常用英文写法（持续更新......）
anomaly detection 异常检测 anomalous regions 异常区域 addresses the problem of 解决了-问题 a common assumption 一个 ...
水果作物异常检测论文、代码和数据汇总
文章目录 2022 LDD: A Dataset for Grape Diseases Object Detection and Instance Segmentation 2022 LDD: A D ...
异常检测（Anomaly Detection）综述
作者丨阿尔法杨XDU@知乎来源丨https://zhuanlan.zhihu.com/p/266513299 编辑丨极市平台导读异常检测是一个发现"少数派"的过程,本文将目前 ...

异常检测论文（一）：CutPaste

异常检测论文（一）：CutPaste相关推荐

最新文章

热门文章