A Hierarchically Feature Reconstructed Autoencoder for Unsupervised Anomaly Detection

要約

手動による注釈や事前知識なしで異常を検出および位置特定することは、教師なし学習の設定では困難な作業です。
既存の作品は、異常検出において優れたパフォーマンスを実現していますが、複雑なネットワークや煩雑なパイプラインが必要です。
この問題に対処するために、このペーパーでは、異常検出におけるシンプルだが効果的なアーキテクチャを検討します。
これは、階層的な特徴表現を抽出するための十分に事前トレーニングされたエンコーダーと、エンコーダーからこれらの中間特徴を再構築するためのデコーダーで構成されます。
特に、トレーニング用のデータ拡張や異常な画像は必要ありません。
異常は、デコーダが特徴を適切に再構築できない場合に検出でき、その後、階層的特徴再構築のエラーが異常マップに集約されて、異常の位置特定が行われます。
エンコーダとデコードのこれらの機能間の差分比較により、従来の単一の機能での比較やピクセルごとの比較よりも正確でロバストな位置特定結果が得られます。
実験結果は、提案された方法が、異常検出と位置特定の両方において、MNIST、Fashion-MNIST、CIFAR-10、および MVTec 異常検出データセットに対する最先端の方法よりも優れていることを示しています。

要約(オリジナル)

Anomaly detection and localization without any manual annotations and prior knowledge is a challenging task under the setting of unsupervised learning. The existing works achieve excellent performance in the anomaly detection, but with complex networks or cumbersome pipelines. To address this issue, this paper explores a simple but effective architecture in the anomaly detection. It consists of a well pre-trained encoder to extract hierarchical feature representations and a decoder to reconstruct these intermediate features from the encoder. In particular, it does not require any data augmentations and anomalous images for training. The anomalies can be detected when the decoder fails to reconstruct features well, and then errors of hierarchical feature reconstruction are aggregated into an anomaly map to achieve anomaly localization. The difference comparison between those features of encoder and decode lead to more accurate and robust localization results than the comparison in single feature or pixel-by-pixel comparison in the conventional works. Experiment results show that the proposed method outperforms the state-of-the-art methods on MNIST, Fashion-MNIST, CIFAR-10, and MVTec Anomaly Detection datasets on both anomaly detection and localization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google