Deep Visual Anomaly Detection in Industrial Manufacturing: A Survey

要約

最近のディープ ラーニングの急速な発展は、視覚的異常検出 (VAD) にマイルストーンをもたらしました。
このホワイト ペーパーでは、ニューラル ネットワーク アーキテクチャ、監視レベル、損失関数、メトリック、およびデータセットの観点から、ディープ ラーニング ベースの視覚的異常検出手法の包括的なレビューを提供します。
さらに、工業生産から新しい設定を抽出し、提案された新しい設定の下で現在の VAD アプローチを確認します。
さらに、視覚的な異常検出に関するいくつかの未解決の課題を強調します。
さまざまな管理下にある代表的なネットワーク アーキテクチャのメリットとデメリットについて説明します。
最後に、研究結果をまとめ、今後の研究の方向性を指摘します。
その他のリソースは、https://github.com/M-3LAB/awesome-industrial-anomaly-detection で入手できます。

要約(オリジナル)

The recent rapid development of deep learning has laid a milestone in visual anomaly detection (VAD). In this paper, we provide a comprehensive review of deep learning-based visual anomaly detection techniques, from the perspectives of neural network architectures, levels of supervision, loss functions, metrics and datasets. In addition, we extract the new setting from industrial manufacturing and review the current VAD approaches under our proposed our new setting. Moreover, we highlight several opening challenges for visual anomaly detection. The merits and downsides of representative network architectures under varying supervision are discussed. Finally, we summarize the research findings and point out future research directions. More resources are available at https://github.com/M-3LAB/awesome-industrial-anomaly-detection

arxiv情報

提供元, 利用サービス

arxiv.jp, Google