EfficientAD: точное визуальное обнаружение аномалий с задержкой на уровне миллисекунд

Авторы: Килиан Батцнер; Ларс Хеклер; Ребекка Кёниг
Описание: Обнаружение аномалий на изображениях — важная задача, особенно в приложениях компьютерного зрения в режиме реального времени. В данной работе мы фокусируемся на вычислительной эффективности и предлагаем легковесный экстрактор признаков, который обрабатывает изображение менее чем за миллисекунду на современном графическом процессоре. Затем мы используем подход «ученик-учитель» для обнаружения аномальных признаков. Мы обучаем обучаемую сеть предсказывать извлеченные признаки нормальных, т.е. без аномалий, обучающих изображений. Обнаружение аномалий во время тестирования становится возможным благодаря тому, что ученик не может предсказать свои признаки. Мы предлагаем потерю обучения, которая не позволяет ученику имитировать экстрактор признаков учителя за пределами нормальных изображений. Это позволяет нам значительно снизить вычислительные затраты модели «ученик-учитель», одновременно улучшая обнаружение аномальных признаков. Кроме того, мы занимаемся обнаружением сложных логических аномалий, связанных с недопустимыми комбинациями нормальных локальных признаков, например, неправильным порядком объектов. Мы обнаруживаем эти аномалии, эффективно используя автоэнкодер, анализирующий изображения по всему миру. Мы тестируем наш метод, называемый EfficientAD, на 32 наборах данных из трёх коллекций промышленных аномалий. EfficientAD устанавливает новые стандарты как для обнаружения, так и для локализации аномалий. Благодаря задержке в две миллисекунды и пропускной способности шестьсот изображений в секунду, он обеспечивает быструю обработку аномалий. В сочетании с низким уровнем ошибок это делает его экономичным решением для реальных приложений и плодотворной основой для будущих исследований.