论文笔记《MemSeg: A semi-supervised method for image surface defect detection using differences and comm》

论文地址：https://arxiv.org/ftp/arxiv/papers/2205/2205.00908.pdf
效果：2022.5.4 目前霸榜第一，99.56%，一秒31.34张图片，很快

一、动机：

1. 物体的类内方差较小
2. 结合样本之间的差异性和共性
   a. 差异性就是生成异常样本，做半监督
   b. 共性就是利用memory机制

二、方法：

1. 总结：（encode是resnet18）
   1. U-Net
   2. memory模块
   3. 多尺度融合
   4. 空间注意力机制
2. 异常的生成，分三步：（目的只在物体上产生异常）
   1. 先利用Perlin noise产生Mp，然后考虑到物体的背景如果直接mask的话会带来影响，就利用膨胀腐蚀提取物体MI，然后两者与一下得到M，然后和原图与一下得到只有前景发生异常的图片I’
   2. 和draem一样，再用一个dtd里面的异常图片和上面的M与一下，得到In’
   3. I’与In’，得到最后的结果IA
      
3. memory模块：
   a. 这里就说一个注意点：这里因为一个input和所有的M进行比较后，有一堆比较的值DI，然后通过找到DI中sum最小的作为DI*，去和input进行拼接
4. 空间注意力机制和多尺度融合： 这里的注意力机制是利用了DI*去做的
5. 损失函数
   

---

后面的实验细节稍微看了下，没仔细看。
感觉结构总体比较简单，出发点不错，结果也很好。