Détection et localisation des anomalies industrielles à l’aide de Transformers résiduels à supervision faible

Les avancées récentes dans la détection d’anomalies industrielles (AD) ont montré qu’intégrer un petit nombre d’échantillons anormaux pendant l’entraînement peut considérablement améliorer la précision. Toutefois, cette amélioration s’accompagne souvent d’un effort important d’annotation, qui se révèle peu réaliste pour de nombreuses applications du monde réel. Dans cet article, nous proposons un cadre novateur, appelé Weakly-supervised RESidual Transformer (WeakREST), conçu pour atteindre une haute précision en détection d’anomalies tout en minimisant la dépendance aux annotations manuelles. Premièrement, nous reformulons la tâche de localisation d’anomalies au niveau pixel par un problème de classification par blocs. Deuxièmement, nous introduisons une représentation de caractéristiques basée sur le résidu, nommée Positional Fast Anomaly Residuals (PosFAR), capable de capturer plus efficacement les motifs anormaux. Pour exploiter cette représentation, nous adaptons le Swin Transformer afin d’améliorer la détection et la localisation des anomalies. Par ailleurs, nous proposons une approche d’annotation faible, utilisant des boîtes englobantes et des étiquettes d’image pour définir les régions anormales. Cette méthode établit un cadre d’apprentissage semi-supervisé, réduisant ainsi la dépendance aux étiquettes précises au niveau pixel. Pour renforcer davantage le processus d’apprentissage, nous développons un nouvel algorithme, ResMixMatch, capable de gérer l’interaction entre les étiquettes faibles et les représentations basées sur les résidus.Sur le jeu de données de référence MVTec-AD, notre méthode atteint une précision moyenne (AP) de $83,0\%$, dépassant ainsi le meilleur résultat précédent de $82,7\%$ dans un cadre non supervisé. Dans un cadre supervisé, WeakREST obtient une AP de $87,6\%$, surpassant le meilleur résultat antérieur de $86,0\%$. Notamment, même en utilisant des annotations plus faibles telles que des boîtes englobantes, WeakREST dépasse les performances des méthodes leaders reposant sur une supervision au niveau pixel, atteignant une AP de $87,1\%$ contre $86,0\%$ pour la meilleure méthode précédente sur MVTec-AD.