用于异常检测的Transformer-InTra《InpaintingTransforme。。。.pdfVIP

⽤于异常检测的Transformer-InTra 《InpaintingTransforme。。。 原⽂地址 论⽂阅读⽅法 初识 GAN，AE这类基于重构的异常检测⽅法，缺 在于其对于异常样本的重构也⾮常好，这会导致检测错误。⽽ ⽬前出现的⼀些⽅法将⽣成重 构的问题转换为inpainting问题来进⾏异常检测，inpainting就是将图像对某些区域进⾏覆盖，然后进⾏恢复，也可以视为⼀种 ⾃监督⽅ 法。 解决inpainting这类问题，从更⼤的区域捕获长距离语义信息有助于覆盖区域的重建。但CNN由于感受野的限制，其不善于捕捉长距离信 息。因此，作者受到最近⼤⽕的视觉Transformer的启发，因此采⽤Transformer架构解决这个问题。如下图(a)所⽰，训练时，图像被切 成⼤⼩相等的块，利⽤⼀个⼤区域内的其他图像块来进⾏inpainting。图(b)展⽰了重建的效果，以及根据像素级误差得到的异常得分图。 并且作者只依据MVTec AD数据集本⾝的少量样本进⾏训练，也达到了state-of-the-art的效果。 相知 2. Related Work 将当前的异常检测/分割⽅法主要分为了两类，⼀是基于重构的⽅法，类似AE、GAN、VAE等⽅法 ；其次是基于嵌⼊(Embedding)的⽅ 法，主要依据在ImageNet