2달 전
자연 합성 이상 징후를 이용한 자기 지도 이상 탐지 및 위치 결정
Hannah M. Schlüter; Jeremy Tan; Benjamin Hou; Bernhard Kainz

초록
우리는 오직 정상 훈련 데이터만을 사용하여 이상 탐지 및 위치 결정 모델을 end-to-end로 훈련시키기 위한 간단하고 직관적인 자기 감독 작업인 자연 합성 이상(Natural Synthetic Anomalies, NSA)을 소개합니다. NSA는 Poisson 이미지 편집(Poisson image editing)을 통합하여 별도의 이미지에서 다양한 크기의 패치를 부드럽게 혼합합니다. 이 과정은 이전의 자기 감독 이상 탐지에 사용된 데이터 증강 전략보다 자연적인 하위 이미지 불규칙성과 더 유사한 광범위한 합성 이상을 생성합니다. 우리는 자연 이미지와 의료 이미지를 사용하여 제안된 방법을 평가하였습니다. MVTec AD 데이터셋을 이용한 실험 결과, NSA 이상 위치를 학습한 모델이 실제 세계에서 사전에 알려지지 않은 제조 결함 유형을 탐지하는 데 있어 우수한 일반화 능력을 보였습니다. 우리의 방법은 추가 데이터셋 없이 학습하는 모든 이전 방법들을 능가하는 97.2의 전체 탐지 AUROC(Area Under the Receiver Operating Characteristic curve)를 달성하였습니다. 코드는 https://github.com/hmsch/natural-synthetic-anomalies에서 확인할 수 있습니다.