في هذه الورقة، نتناول مشكلة كشف الشذوذ في الصور وتقسيمها. يتكوّن كشف الشذوذ من اتخاذ قرار ثنائي بشأن ما إذا كانت الصورة المدخلة تحتوي على شذوذ، بينما يهدف تقسيم الشذوذ إلى تحديد موقع الشذوذ على مستوى البكسل. يُعد خوارزمية وصف بيانات المتجهات الداعمة (SVDD) خوارزمية قديمة تُستخدم للكشف عن الشذوذ، ونُوسِّع نسخة التعلم العميق منها إلى منهجية قائمة على القطع (patch-based) باستخدام التعلم ذاتي التوجيه (self-supervised learning). يُمكّن هذا التوسّع من تحقيق تقسيم الشذوذ وتحسين أداء الكشف. ونتيجة لذلك، ارتفع أداء كشف الشذوذ وتقسيمه، المقاس باستخدام معامل AUROC على مجموعة بيانات MVTec AD، بنسبة 9.8% و7.0% على التوالي مقارنة بالأساليب السابقة الأكثر تقدماً. تُشير نتائجنا إلى فعالية الطريقة المقترحة وPotentialها التطبيقي الصناعي. كما تقدّم التحليل التفصيلي للطريقة المقترحة رؤى حول سلوكها، ويتوفر الكود البرمجي على الإنترنت.