【ECCV】Spot-the-Difference Self-Supervised Pre-training for Anomaly Detection and Segmentation
Spot-the-Difference Self-Supervised Pre-training for Anomaly Detection and Segmentation
分享人：张健
研究方向：异常检测
论文题目：Spot-the-Difference Self-Supervised Pre-training for Anomaly Detection and Segmentation
论文作者：Yang Zou, Jongheon Jeong, Latha Pemula, Dongqing Zhang, Onkar Dabeer
作者单位：亚马逊云服务AI实验室、韩国科学技术院
论文摘要：视觉异常检测是工业质量检测中常用的检测手段。在本文中，我们提出了一个新的数据集和一种新的自监督学习方法，用于ImageNet预训练，以改善1类和2类的5/10/多样本训练设置中的异常检测和分割。我们发布了视觉异常(VisA)数据集，由10,821张高分辨率彩色图像(9,621张正常样本和1,200张异常样本)组成，涵盖3个领域的12个物体，使其成为迄今为止最大的工业异常检测数据集。提供了图像级和像素级标签。我们还提出了一种新的自监督框架——发现差异(SPD)，该框架可以正则化对比自监督预训练，如SimSiam、MoCo和SimCLR，使其更适合于异常检测任务。我们在VisA和MVTec-AD数据集上的实验表明，SPD持续改善了这些对比预训练基线，甚至是有监督的预训练。例如，SPD将异常分割的AU-PR (Area Under Precision-Recall curve, AU-PR)在2类多样本状态下分别比SimSiam和监督预训练提高了5.9%和6.8%。我们在http://github.com/amazon-research/spot-diff上开源了这个项目。
原文链接：