تهدف الكشف عن الشذوذ إلى فصل العينات الشاذة عن العينات العادية، ويشير الشبكة المُدرَّبة مسبقًا إلى إمكانية كبيرة في مجال الكشف عن الشذوذ. ومع ذلك، فإن تكييف الميزات المُدرَّبة مسبقًا قد يواجه خطر الانهيار النمطي عند التدريب الدقيق على بيانات ذات فئة واحدة. في هذه الورقة، نقترح إطارًا للكشف عن الشذوذ يُسمى "التصور التكيفي المقيد باستخدام الميزات المُدرَّبة مسبقًا" (CAP). وباستخدام الميزات المُدرَّبة مسبقًا، نصمم رأسًا خطيًا بسيطًا للتصور يُطبَّق على مدخل معين وتمامًا أقرب تمثيلات عادية مُدرَّبة مسبقًا (k تمثيلًا)، بهدف تكييف الميزات، كما نستخدم انتباهًا ذاتيًا مُعدَّلًا لاستكشاف العلاقات الداخلية بين الميزات الشكلية للفئة الواحدة. كما نقترح دالة خسارة لتفادي الانهيار النمطي المحتمل. وبشكل محدد، تأخذ الدالة بعين الاعتبار التشابه بين بيانات محددة وتمثيلها العادي التكيفي المقابل، وتشمل حدًّا مُقيَّدًا يُقارب بشكل طفيف بين الفضاء المُدرَّب مسبقًا والفضاء التكيفي. حقق أسلوبنا أداءً متفوقًا على المستوى العالمي في معايير الكشف عن الشذوذ الشكلي والكشْف عن الشذوذ الحسّي، بما في ذلك 96.5% AUROC على مجموعة بيانات CIFAR-100، و97.0% AUROC على CIFAR-10، و89.9% AUROC على مجموعة بيانات MvTec.