الهدف قبل الإطلاق: الكشف الدقيق عن الشذوذ والتحديد المكاني ضمن ميللي ثانية واحدة من خلال استرجاع متسلسل للقطع

في هذه الدراسة، وباستخدام إعادة تقييم الطبيعة "المطابقة" للكشف عن الشذوذ (AD)، نقترح إطارًا جديدًا للكشف عن الشذوذ يتمتع بتحقيق سجلات جديدة في دقة الكشف عن الشذوذ وسرعة تشغيل مذهلة في الوقت نفسه. في هذا الإطار، يتم حل مشكلة الكشف عن الشذوذ من خلال عملية استرجاع متسلسلة للقطع (patch retrieval) تُستَخدم لاسترجاع أقرب جيران لكل قطعة صورة تجريبية بطريقة من التفصيل الخشن إلى التفصيل الدقيق. عند معالجة عينة تجريبية، يتم أولًا اختيار أقرب صور تدريبية (K الأعلى) بناءً على عملية مطابقة متجهة قوية. ثانيًا، يتم استرجاع الجار الأقرب لكل قطعة تجريبية على مواقع هندسية مماثلة ضمن "أقرب جيران عالمية" هذه الصور، باستخدام مقياس محلي تم تدريبه بعناية. أخيرًا، يتم حساب درجة الشذوذ لكل قطعة صورة تجريبية بناءً على المسافة إلى "جارها المحلي الأقرب" واحتمال "عدم الخلفية" (non-background probability). يُسمى هذا الأسلوب المقترح في هذه الدراسة بـ "استرجاع متسلسل للقطع" (Cascade Patch Retrieval - CPR). على عكس الخوارزميات التقليدية القائمة على مطابقة القطع، يختار CPR "الأهداف" المناسبة (الصور المرجعية ومواقعها) قبل البدء في "الإطلاق" (أي مطابقة القطع). وعلى مجموعات البيانات المعروفة جيدًا مثل MVTec AD وBTAD وMVTec-3D AD، يتفوق الأسلوب المقترح بشكل ملحوظ على جميع الطرق المتميزة (SOTA) المُقارنة، بحسب مجموعة متنوعة من مقاييس الكشف عن الشذوذ. علاوةً على ذلك، يتميز CPR بالكفاءة العالية جدًا: فهو يعمل بسرعة 113 إطارًا في الثانية (FPS) باستخدام الإعداد القياسي، في حين أن النسخة المبسطة منه تحتاج إلى أقل من 1 مللي ثانية فقط لمعالجة صورة واحدة، مع تقليل ضئيل جدًا في الدقة. يمكن الوصول إلى الشفرة البرمجية لـ CPR عبر الرابط: https://github.com/flyinghu123/CPR.