نُقدّم شبكة بسيطة وسهلة الاستخدام (تُسمّى SimpleNet) للكشف عن الشذوذ وتحديد موضعه. تتكوّن SimpleNet من أربع مكوّنات: (1) مُستخرج الميزات المُدرّب مسبقًا الذي يُولّد ميزات محلية، (2) مُعدّل الميزات السطحي الذي يحوّل الميزات المحلية نحو المجال المستهدف، (3) مُولّد ميزات الشذوذ البسيط الذي يُقلّد ميزات الشذوذ من خلال إضافة ضجيج غاوسي إلى الميزات الطبيعية، و(4) مُميّز الشذوذ الثنائي الذي يميّز بين ميزات الشذوذ والميزات الطبيعية. أثناء الاستدلال، يتم التخلّص من مُولّد ميزات الشذوذ. يُبنى نهجنا على ثلاث أفكار رئيسية: أولاً، فإن تحويل الميزات المُدرّبة مسبقًا إلى ميزات موجهة نحو المجال المستهدف يساعد في تجنّب التحيّز بين المجالات. ثانيًا، فإن إنشاء شذوذ اصطناعية في فضاء الميزات أكثر فعالية، لأن العيوب قد لا تمتلك تشابهًا كبيرًا في فضاء الصور. ثالثًا، فإن مُميّز بسيط يكون أكثر كفاءة وملاءمة عمليًا. وعلى الرغم من بساطتها، تتفوّق SimpleNet على الطرق السابقة من حيث الأداء الكمي والنوعي. على معيار MVTec AD، حققت SimpleNet معدل AUROC للكشف عن الشذوذ بلغ 99.6٪، مما يقلّل الخطأ بنسبة 55.5٪ مقارنة بالنموذج الأفضل التالي من حيث الأداء. علاوةً على ذلك، فإن SimpleNet أسرع من الطرق الحالية، مع معدل إطارات عالٍ يبلغ 77 إطارًا في الثانية على وحدة معالجة رسومات 3080ti. وبالإضافة إلى ذلك، أظهرت SimpleNet تحسينات كبيرة في الأداء على مهمة الكشف عن الابتكارات من فئة واحدة. الكود: https://github.com/DonaldRR/SimpleNet.