摘要
异常检测在大规模工业制造中是一项重要应用。近年来，该任务的诸多方法虽展现出优异的检测精度，但普遍存在延迟较高的问题。以PatchCore或基于耦合超球面的特征适配（Coupled-hypersphere-based Feature Adaptation, CFA）为代表的基于内存的方法虽性能领先，但依赖外部记忆库，显著增加了执行时间。另一种采用反向蒸馏（Reversed Distillation, RD）的方法则能在保持低延迟的同时实现良好性能。本文重新审视这一思路，对其进行了改进，在具有挑战性的MVTec数据集上，同时实现了异常检测与定位任务的全新最先进性能。所提出的RD++方法在速度上较PatchCore提升六倍，较CFA提升两倍，且相较于RD仅引入可忽略的额外延迟。此外，我们在BTAD和Retinal OCT数据集上进行了实验，验证了该方法的泛化能力，并开展了关键的消融实验，深入分析了其模型配置的影响。代码将开源，地址为：https://github.com/tientrandinh/Revisiting-Reverse-Distillation。