EfficientAD: الكشف البصري عن الشذوذ بدقة بزمن تأخير على مستوى الميلي ثانية

كشف التغيرات غير الطبيعية في الصور يُعد مهمة مهمة، خاصة في تطبيقات الرؤية الحاسوبية في الزمن الفعلي. في هذا العمل، نركّز على الكفاءة الحسابية ونُقدّم مُستخرجًا خفيفًا للسمات يقوم بمعالجة صورة في أقل من مللي ثانية على وحدة معالجة رسومات حديثة. ثم نستخدم نهج الطالب والمُدرّس لاكتشاف السمات غير الطبيعية. نُدرّب شبكة الطالب لتوقع السمات المستخرجة من الصور العادية، أي الصور الخالية من الشذوذ. ويتم تمكين كشف الشذوذ أثناء الاختبار من خلال فشل الطالب في توقع هذه السمات. نقترح دالة تدريب تمنع الطالب من تقليد مستخرج السمات لدى المُدرّس خارج نطاق الصور العادية. هذا يسمح لنا بتقليل التكلفة الحسابية للنموذج الطالب-المدرّس بشكل كبير، مع تحسين كشف السمات غير الطبيعية. بالإضافة إلى ذلك، نتناول كشف الشذوذ المنطقية الصعبة التي تتضمن توليفات غير صالحة من السمات المحلية الطبيعية، مثال ذلك ترتيب خاطئ للمواد. نكشف هذه الشذوذ من خلال دمج فعّال لشبكة تشفير تلقائي (autoencoder) تحلل الصور بشكل شامل. قُمنا بتقييم طريقتنا، التي تُسمّى EfficientAD، على 32 مجموعة بيانات من ثلاث مجموعات بيانات صناعية للكشف عن الشذوذ. تُحدّد EfficientAD معايير جديدة لكل من كشف الشذوذ وتحديد موضعه. وبزمن تأخير يبلغ مللي ثانية واحدة وسعة معالجة تصل إلى 600 صورة في الثانية، تتيح لنا معالجة سريعة للشذوذ. وبفضل معدل خطأ منخفض، تُعد هذه الطريقة حلاً اقتصاديًا مثاليًا للتطبيقات الواقعية، وقاعدة واعدة للبحث العلمي المستقبلي.