深層事前学習特徴を活用する最近傍法（kNN）は、画像全体に適用された場合、非常に優れた異常検出性能を示す。しかし、kNN法には画像内の異常が存在する位置を示すセグメンテーションマップが欠けているという限界がある。本研究では、異常画像と一定数の類似した正常画像との間の整合性に基づく、新たな異常セグメンテーション手法を提案する。本手法である意味的ピラミッド異常検出法（Semantic Pyramid Anomaly Detection, SPADE）は、マルチスケール特徴ピラミッドに基づく対応関係を用いる。SPADEは、訓練時間几乎不要でありながら、教師なし異常検出および局所化において最先端の性能を達成することが示された。