17 天前

FastRecon:基于快速特征重建的少样本工业异常检测

{Jimin Xiao, Qiugui Hu, Jiejie Liu, Haocheng Li, Xiaoyang Wang, Zheng Fang}
FastRecon:基于快速特征重建的少样本工业异常检测
摘要

在工业异常检测领域,数据效率以及算法在不同产品间快速迁移的能力成为开发检测模型时的核心挑战。现有方法通常对数据需求量大,且采用“一模型一类别”的模式,这严重限制了其在真实工业场景中的适用性。本文提出一种少样本异常检测策略,能够在低数据条件下运行,并实现跨产品的零成本泛化。给定一个带有缺陷的查询样本,我们提出利用少量正常样本作为参考,重建其对应的正常版本,最终通过样本对齐实现异常检测。具体而言,我们引入一种新型的带分布正则化的回归方法,以获得从支持样本特征到查询样本特征的最优变换,该方法确保重建结果在视觉上与查询样本保持高度相似,同时保留正常样本的固有特性。实验结果表明,无论是在图像级还是像素级的AUROC指标上,我们的方法在2至8样本的少样本场景下均显著优于先前的最先进方法。此外,仅需少量训练样本(少于8个),我们的方法即可达到与传统异常检测方法相当的性能,而后者通常需要大量正常样本进行训练。