CVPR 2024 | Real-IAD：大规模工业异常检测数据集！

最新推荐文章于 2025-03-13 22:52:15 发布

Amusi（CVer）

最新推荐文章于 2025-03-13 22:52:15 发布

阅读量1.2k

点赞数 1

文章标签：人工智能

原文链接：https://mp.weixin.qq.com/s?__biz=MzUxNjcxMjQxNg==&mid=2247609465&idx=2&sn=8919bda226ab9c99a159566dde936d72&chksm=f827bc9bd53f02d7da57134f431fc26f40508042a6df870d506154e48ab4c9bd7aab99cb4abe&scene=126&sessionid=0

版权

点击下方卡片，关注“CVer”公众号

AI/CV重磅干货，第一时间送达

点击进入—>【Mamba和异常检测】交流群

添加微信号：CVer111，小助手会拉你进群！

扫描下方二维码，加入CVer学术星球！可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料，及最前沿应用！发论文/搞科研/涨薪，强烈推荐！

【CVPR 2024】真实产线下大规模工业异常检测数据集！涵盖30类物体5个视角8种缺陷类型150K高分辨率图像！

（来自上海交通大学，腾讯优图实验室，复旦大学，荣旗工业科技，上海计算机软件技术开发中心）

Title：: A Real-World Multi-View Dataset for Benchmarking Versatile Industrial Anomaly Detection

主页：https://realiad4ad.github.io/Real-IAD/

动机：为什么构建Large-scale Real-world Real-IAD数据集

一方面，大多数最先进的方法在MVTec / VisA等主流数据集上已经达到饱和(AUROC超过99%)，无法很好地区分方法之间的差异，且由于难度较小而与实际应用场景之间存在较大差距。（需要更具挑战性的数据集来支持AD领域的进一步研究）
另一方面，各种新的实用异常检测设置的研究受到数据集规模的限制（比如带噪和小样本更贴近实际应用的setting），存在评估结果过拟合的风险。（需要更大规模的数据集）
工业生产中的良率通常介于60%-100%之间，与现有的100%良率实验setting不符。（需要更具实际应用价值的setting，即我们提出的Fully Unsupervised Industrial Anomaly Detection，FUIAD）

Real-IAD数据集特性：

更多的类别：30类真实产线物料
大规模数据量：150K数据
多种材料：金属，塑料，木材，陶瓷和混合材料
多种缺陷类别：缺失、划伤、裂纹、脏污、破洞、变形、凹坑、破损
多视角：5个拍摄角度（顶拍+4个侧拍）
更高的分辨率：2K~5K
支持多种实验设置：1）FUIAD；2）多视角AD；3）无监督AD；4）Zero-/Few-shot AD；5）带噪AD等

与主流的2D异常检测数据集规模及属性对比如下表

5个视角的采集效果图示例，包含两种典型异常场景：

1）缺陷可以在一个sample中的每个view都可见

2）缺陷仅在一个sample中部分view上可见

这更具有实际意义和更大的挑战性，将AD推向实际应用迈出了新的一步！

本文贡献：

提出了一个新的Real-IAD数据集，它比现有的主流数据集大十倍以上。它包括30类对象，每类对象包含5个拍摄角度，共计150K高分辨率图像。Real-IAD具有更大的缺陷面积和缺陷比例范围，能够更好地区分不同方法的性能，满足IAD的各种研究设置。
基于Real-IAD数据集构建了一个更接近实际应用场景的FUIAD（Fully Unsupervised Industry Anomaly Detection）设置，其中仅使用大多数生产线的成品率大于60%的自然存在约束，而不引入额外的手动注释。
我们报告了常用的IAD方法在Real-IAD数据集上在几种设置下的性能，并提供了一个极具挑战性的基准，以促进异常检测领域的发展。

下面拆解Real-IAD数据集收集的具体过程，如下图所示：

物料准备及缺陷产品构建

材料：包含金属，塑料，木材，陶瓷和混合材料

缺陷类型：包含缺失、划伤、裂纹、脏污、破洞、变形、凹坑、破损共8种

原型采集设备准备：

包含1个顶拍相机加4个侧拍相机

工业级数据收集、标注、清洗过程

使用3个基于HRNet-32w主干网络的Cascade RCNN进行检测、交叉验证，直到检测结果偏差小于预定条件（AP基本不变，修改标注的图片数/instance足够小）

Real-IAD数据统计分析

更多的【数据集信息】、【下载方式】及【Benchmark结果】可移步项目主页：

主页：https://realiad4ad.github.io/Real-IAD/

基于该数据集的已有开源方法推荐：

AD Benchmark：

https://github.com/zhangzjn/ader

MambaAD [NeurIPS’24]：

https://github.com/lewandofskee/MambaAD

Dinomaly：

https://github.com/guojiajeremy/Dinomaly

何恺明在MIT授课的课件PPT下载

在CVer公众号后台回复：何恺明，即可下载本课程的所有566页课件PPT！赶紧学起来！

ECCV 2024 论文和代码下载

在CVer公众号后台回复：ECCV2024，即可下载ECCV 2024论文和代码开源的论文合集

CVPR 2024 论文和代码下载

在CVer公众号后台回复：CVPR2024，即可下载CVPR 2024论文和代码开源的论文合集

Mamba和异常检测交流群成立

扫描下方二维码，或者添加微信号：CVer111，即可添加CVer小助手微信，便可申请加入CVer-Mamba或者异常检测微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF、3DGS、Mamba等。
一定要备注：研究方向+地点+学校/公司+昵称（如Mamba或者异常检测+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群

▲扫码或加微信号: CVer111，进交流群
CVer计算机视觉（知识星球）来了！想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料，欢迎扫描下方二维码，加入CVer计算机视觉（知识星球），已汇集上万人！

▲扫码加入星球学习

▲点击上方卡片，关注CVer公众号
整理不易，请赞和在看