이 논문은 산업용 이미지에서 논리적 이상을 탐지하는 새로운 방법인 PSAD(Part Segmentation-based Anomaly Detection)를 제안한다.
먼저, 제한된 수의 레이블 이미지와 다수의 무레이블 이미지를 활용하여 부품을 정확하게 분할하는 새로운 모델을 제안한다. 이 모델은 시각적 특징과 위치 정보를 활용하고, 무레이블 이미지의 히스토그램 정합 손실 함수를 통해 일관된 분할 결과를 얻는다.
다음으로, 분할된 부품 정보를 활용하여 3가지 메모리 뱅크(히스토그램, 구성 임베딩, 패치 표현)를 구축한다. 이를 통해 부품의 수량, 배치, 세부 특징 등을 종합적으로 고려하여 논리적 이상을 탐지한다. 또한 각 메모리 뱅크의 이상 점수를 적응적으로 스케일링하여 통합하는 방법을 제안한다.
실험 결과, 제안 방법은 기존 최신 방법들에 비해 논리적 이상 탐지 성능이 크게 향상되었으며, 구조적 이상 탐지 성능도 우수한 것으로 나타났다. 이는 정확한 부품 분할이 논리적 이상 탐지에 핵심적인 역할을 한다는 것을 보여준다.
toiselle kielelle
lähdeaineistosta
arxiv.org
Tärkeimmät oivallukset
by Soopil Kim,S... klo arxiv.org 04-16-2024
https://arxiv.org/pdf/2312.13783.pdfSyvällisempiä Kysymyksiä