摘要
本文针对图像异常检测与分割问题展开研究。异常检测旨在判断输入图像中是否包含异常，而异常分割则需在像素级别精确定位异常区域。支持向量数据描述（Support Vector Data Description, SVDD）是一种长期应用于异常检测的经典算法，本文将其深度学习版本扩展为基于图像块（patch-based）的自监督学习方法。该扩展不仅实现了异常分割功能，还显著提升了检测性能。在MVTec AD数据集上，与先前的最先进方法相比，本方法在AUROC指标上的异常检测性能提升了9.8%，异常分割性能提升了7.0%。实验结果表明，所提出方法具有显著有效性，具备良好的工业应用潜力。本文还对所提方法进行了深入分析，揭示了其内在工作机制，相关代码已公开发布。