CAINNFlow: Convolutional block Attention modules and Invertible Neural Networks Flow for anomaly detection and localization tasks

要約

産業プロセスにおいて物体の異常を検出することは非常に重要であるが、多数の不良サンプルを得ることが困難であることや、実生活における異常の種類が予測できないことから、教師なし異常検出・局在化が特に重要である。既存の教師なし異常検知・局在化手法の中では、NFベース方式がより良い結果を出しています。しかし、NFにおける2つのサブネット（複素関数）$s_{i}(u_{i})$と$t_{i}(u_{i})$は通常多層パーセプトロンで、入力視覚特徴を2次元平坦化から1次元に絞る必要があり、特徴マップの空間位置関係を破壊して空間構造情報を失う。空間構造情報を保持し、効果的に抽出するために、本研究では、正規化フローモデルにおいて空間構造情報を保持し、効果的に抽出することができるスタック$3times3$フルコンボリューションに交互CBAMを組み込んだ複素関数モデルを設計する。MVTec ADデータセットに対する広範な実験結果は、特徴抽出器としてCNNとTransformerバックボーンネットワークに基づいて、CAINNFlowが高度なレベルの精度と推論効率を達成し、MVTec ADの異常検出に対してピクセルレベルのAUC $98.64%$ を達成することを示している．

要約(オリジナル)

Detection of object anomalies is crucial in industrial processes, but unsupervised anomaly detection and localization is particularly important due to the difficulty of obtaining a large number of defective samples and the unpredictable types of anomalies in real life. Among the existing unsupervised anomaly detection and localization methods, the NF-based scheme has achieved better results. However, the two subnets (complex functions) $s_{i}(u_{i})$ and $t_{i}(u_{i})$ in NF are usually multilayer perceptrons, which need to squeeze the input visual features from 2D flattening to 1D, destroying the spatial location relationship in the feature map and losing the spatial structure information. In order to retain and effectively extract spatial structure information, we design in this study a complex function model with alternating CBAM embedded in a stacked $3\times3$ full convolution, which is able to retain and effectively extract spatial structure information in the normalized flow model. Extensive experimental results on the MVTec AD dataset show that CAINNFlow achieves advanced levels of accuracy and inference efficiency based on CNN and Transformer backbone networks as feature extractors, and CAINNFlow achieves a pixel-level AUC of $98.64\%$ for anomaly detection in MVTec AD.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL