Paper Reading - 3、FastFlow: Unsupervised Anomaly Detection and Localization via 2D Normalizing Flows

最新推荐文章于 2024-06-23 09:33:26 发布

Wood_Du

最新推荐文章于 2024-06-23 09:33:26 发布

阅读量1k

点赞数

分类专栏：深度学习文章标签： 1024程序员节

本文链接：https://blog.csdn.net/Wood_Du/article/details/127499105

版权

深度学习专栏收录该内容

15 篇文章 0 订阅

订阅专栏

FastFlow 是一个基于二维归一化流的概率分布估计器。它可以用做任何的深度特征提取器的插件模块，比如ResNet 和 vision transformer, 用于无监督异常检测和定位。在训练阶段，FastFlow 学习将输入视觉特征转换位易于处理的分布；在推理阶段，它评估失败异常的可能性。

模型结构

在这里插入图片描述
1、特征提取模块
backbone 充当特征提取器，不需要训练，不需要更新参数 requires_grad==false。
2、norms 模块
对于 resnet，norms 是可训练的 LayerNorm。
3、flows模块
可逆神经网络。(参考FrEIA)

复现

环境：

# 先前环境： sudo pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 -f https://download.pytorch.org/whl/torch_stable.html

Resource:
论文解读：https://blog.csdn.net/qq_45700830/article/details/122690958
https://blog.csdn.net/weixin_46782905/article/details/119958725
https://blog.csdn.net/qq_35030874/article/details/122426454