Industrial Anomaly Detection and Localization Using Weakly-Supervised Residual Transformers

要約

産業用異常検出 (AD) の最近の進歩により、トレーニング中に少数の異常サンプルを組み込むことで精度が大幅に向上することが実証されました。
ただし、この改善には大規模なアノテーション作業が犠牲になることが多く、現実世界の多くのアプリケーションでは非現実的です。
このペーパーでは、手動アノテーションへの依存を最小限に抑えながら、高い異常検出精度を達成するように設計された新しいフレームワークである Weakly-supervised RESidual Transformer (WeakREST) を紹介します。
まず、ピクセル単位の異常位置特定タスクをブロック単位の分類問題に再定式化します。
2 番目に、異常パターンをより効果的に捕捉する Positional Fast Anomaly Residuals (PosFAR) と呼ばれる残差ベースの特徴表現を導入します。
この機能を活用するために、Swin Transformer を適応させて異常検出と位置特定を強化しました。
さらに、バウンディングボックスと画像タグを利用して異常領域を定義する弱いアノテーションアプローチを提案します。
このアプローチは、正確なピクセルレベルのラベルへの依存を軽減する半教師あり学習コンテキストを確立します。
学習プロセスをさらに改善するために、弱いラベルと残差ベースの表現の間の相互作用を処理できる新しい ResMixMatch アルゴリズムを開発しました。
ベンチマーク データセット MVTec-AD では、私たちの手法は $83.0\%$ の平均精度 (AP) を達成し、教師なし設定での以前の最高結果である $82.7\%$ を上回りました。
監視付き AD 設定では、WeakREST は $87.6\%$ の AP を達成し、以前の最高の $86.0\%$ を上回りました。
特に、バウンディング ボックスなどの弱いアノテーションを使用する場合でも、WeakREST はピクセル単位の監視に依存する主要なメソッドのパフォーマンスを上回り、MVTec-AD での以前の最高 $86.0\%$ と比較して $87.1\%$ の AP を達成しています。

要約(オリジナル)

Recent advancements in industrial anomaly detection (AD) have demonstrated that incorporating a small number of anomalous samples during training can significantly enhance accuracy. However, this improvement often comes at the cost of extensive annotation efforts, which are impractical for many real-world applications. In this paper, we introduce a novel framework, Weak}ly-supervised RESidual Transformer (WeakREST), designed to achieve high anomaly detection accuracy while minimizing the reliance on manual annotations. First, we reformulate the pixel-wise anomaly localization task into a block-wise classification problem. Second, we introduce a residual-based feature representation called Positional Fast Anomaly Residuals (PosFAR) which captures anomalous patterns more effectively. To leverage this feature, we adapt the Swin Transformer for enhanced anomaly detection and localization. Additionally, we propose a weak annotation approach, utilizing bounding boxes and image tags to define anomalous regions. This approach establishes a semi-supervised learning context that reduces the dependency on precise pixel-level labels. To further improve the learning process, we develop a novel ResMixMatch algorithm, capable of handling the interplay between weak labels and residual-based representations. On the benchmark dataset MVTec-AD, our method achieves an Average Precision (AP) of $83.0\%$, surpassing the previous best result of $82.7\%$ in the unsupervised setting. In the supervised AD setting, WeakREST attains an AP of $87.6\%$, outperforming the previous best of $86.0\%$. Notably, even when using weaker annotations such as bounding boxes, WeakREST exceeds the performance of leading methods relying on pixel-wise supervision, achieving an AP of $87.1\%$ compared to the prior best of $86.0\%$ on MVTec-AD.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google