领域无关的已知异常检测
原文中文，约400字，阅读约需1分钟。发表于：。在工业质量检验中，检测异常数据是一个持久存在的障碍。本文介绍了一种新的领域概括方法，能够训练带有稀疏正常数据的异常检测模型，并能够在之前未见过的对象上检测相同类型的异常。通过生成新的数据集，改进了现有的 MVTec AD 数据集，并使用两种基于嵌入的方法 SEMLP 和 Labeled PatchCore 进行了设计。整体上，SEMLP 取得了最佳的性能表现，图像级平均 AUROC 为...
本文介绍了一种新的异常检测方法，能够训练带有稀疏正常数据的模型，并在未见过的对象上检测相同类型的异常。通过改进现有的 MVTec AD 数据集并使用两种基于嵌入的方法 SEMLP 和 Labeled PatchCore 进行设计，SEMLP 取得了最佳性能表现，图像级平均 AUROC 为 87.2%。这些新的数据集为工业异常检测的进一步研究提供了基础。
