كشف الانحرافات باستخدام تقدير الكثافة المستند إلى التدفق الطبيعي وتصنيف العيوب الاصطناعية

نُقدِّم نظامًا جديدًا للكشف عن الشذوذ القائم على التعلم العميق، يجمع بين شبكة تصنيف على مستوى البكسل وشبكات تدفق تطبيع شرطي (CNF) من خلال مشاركة مستخرجات الميزات. تم تدريب شبكة التصنيف على مستوى البكسل باستخدام بيانات شاذة مُصَنَّعة لضبط مُستخرج الميزات المُدرَّب مسبقًا لشبكات CNF، بهدف تعلُّم الميزات التمييزية للبيانات داخل المجال. ثم، تم تدريب شبكات CNF باستخدام بيانات طبيعية مع استخدام مستخرج الميزات المُعدَّل، بهدف تقدير كثافة البيانات الطبيعية. أثناء الاستدلال، تم اكتشاف الشذوذ من خلال حساب المتوسط المرجَّح لدرجات الشذوذ الناتجة عن شبكتي التصنيف وتدفق التطبيع الشرطي. وبما أن النظام المقترح تعلّم خصائص البيانات داخل المجال، وجمع درجات الشذوذ من شبكتي التصنيف وتدفق التطبيع الشرطي، أظهر أداءً مُحسَّنًا بشكل كبير مقارنة بالطرق الحالية في التجارب التي أُجريت على مجموعتي بيانات MvTecAD وBTAD. علاوةً على ذلك، لا يزيد النظام المقترح من الحمل الحسابي بشكل كبير، نظرًا لمشاركة شبكتي التصنيف وتقدير الكثافة لمستخرجات الميزات.