자기지도 예측 컨볼루션 어텐션 블록을 활용한 이상 탐지

이상 탐지는 일반적으로 정상 샘플만을 이용해 학습하고, 정상 및 비정상 테스트 샘플 모두에서 평가하는 일종의 단일 클래스 분류 문제로 접근된다. 이상 탐지에서 성공적인 접근 방식 중 하나는 마스크 처리된 정보(예: 패치, 미래 프레임 등)를 예측하고, 마스크된 정보에 대한 재구성 오차를 이상도 점수로 활용하는 방법이다. 이와 유사한 기존 방법들과 달리, 본 연구에서는 재구성 기반 기능을 새로운 자기지도 학습 예측 아키텍처 블록에 통합하는 방안을 제안한다. 제안된 자기지도 학습 블록은 일반화 가능성이 높으며, 다양한 최신 이상 탐지 기법에 쉽게 통합할 수 있다. 본 블록은 수신 필드의 중심 영역을 마스크 처리한 확장 필터를 갖춘 합성곱 층으로 시작하며, 생성된 활성화 맵은 채널 주의 메커니즘 모듈을 통과한다. 본 블록은 수신 필드 내 마스크된 영역에 대한 재구성 오차를 최소화하는 손실 함수를 내장하고 있다. 이미지 및 영상 분야에서 최신 이상 탐지 프레임워크 여러 가지에 본 블록을 통합함으로써, 본 블록의 일반성과 효과를 실험적으로 입증하였다. MVTec AD, Avenue, ShanghaiTech 데이터셋에서 상당한 성능 향상이 나타남을 보여주는 실증적 증거를 제시하였다. 본 연구의 코드는 오픈소스로 공개되었으며, https://github.com/ristea/sspcab 에서 확인할 수 있다.