核心概念
본 논문에서는 교차 마스크 복원을 사용하는 다중 특징 복원 네트워크(MFRNet)를 제안하여 비지도 이상 탐지 문제를 해결한다. 이를 통해 이미지 복원 과정에서 더 구분 가능한 정보를 얻고 모델의 과도한 일반화 능력을 제한할 수 있다.
摘要
본 논문은 비지도 이상 탐지 문제를 해결하기 위해 다중 특징 복원 네트워크(MFRNet)를 제안한다.
- 다중 스케일 특징 집계기를 통해 입력 이미지의 더 구분 가능한 계층적 표현을 생성한다.
- 교차 마스크 생성기를 사용하여 추출된 특징 맵을 무작위로 가리고, 변환기 구조 기반의 복원 네트워크를 통해 누락 영역을 고품질로 복원한다.
- 픽셀 및 구조적 유사성을 모두 고려하는 하이브리드 손실 함수를 사용하여 모델 학습 및 이상 탐지를 수행한다.
실험 결과, 제안 방법은 4개의 공개 데이터셋과 1개의 자체 제작 데이터셋에서 기존 최신 방법들과 비교하여 매우 경쟁력 있거나 크게 뛰어난 성능을 보였다.
统计
정상 이미지와 비정상 이미지 간 구분 가능한 정보가 특징 공간에 더 많이 존재한다.
교차 마스크 복원을 통해 이상 탐지 문제를 복원 문제로 변환할 수 있다.
이를 통해 더 구분 가능한 의미 정보를 학습하고 모델의 과도한 일반화 능력을 제한할 수 있다.
引用
"본 논문에서는 교차 마스크 복원을 사용하는 다중 특징 복원 네트워크(MFRNet)를 제안하여 비지도 이상 탐지 문제를 해결한다."
"제안 방법은 4개의 공개 데이터셋과 1개의 자체 제작 데이터셋에서 기존 최신 방법들과 비교하여 매우 경쟁력 있거나 크게 뛰어난 성능을 보였다."