تحسين الفجوة التعاونية لتحديد موثوق للتشوهات في الصور

تُعاني معظم طرق الكشف عن الشذوذ في الصور غير المراقبة من التعميم المفرط نظرًا لقدرات الشبكات العصبية التلافيفية العالية في التعميم، مما يؤدي إلى توقعات غير موثوقة. ولتقليل ظاهرة التعميم المفرط، تُقترح في هذه الدراسة تحسينًا تعاونيًا لتوزيعات الميزات الطبيعية والشاذة باستخدام شذوذ مُصطنع، يُعرف بـ "تحسين الفجوة التعاونية" (CDO). يُدخل CDO وحدة تحسين الهوة ووحدة تحسين التداخل، بهدف تحسين العاملين الرئيسيين المؤثرين في أداء الكشف عن الشذوذ، وهما: الهوة والتقاطع بين توزيعات الفجوة (DDs) الخاصة بالعينات الطبيعية والشاذة. وباستخدام CDO، يتم تحقيق هوة كبيرة وتقاطع صغير بين توزيعات الفجوة للعينات الطبيعية والشاذة، ما يعزز موثوقية التوقعات. وقد أظهرت التجارب على مجموعتي البيانات MVTec2D وMVTec3D أن CDO يُقلل بشكل فعّال من التعميم المفرط، ويحقق أداءً ممتازًا في الكشف عن الشذوذ مع كفاءة حسابية في الزمن الحقيقي. كما أثبتت تطبيقات واقعية في فحص قطع بلاستيكية للسيارات قدرة CDO المُقترح على الأداء الفعلي. يمكن الوصول إلى الشفرة المصدرية عبر الرابط: https://github.com/caoyunkang/CDO.