PFM【异常检测：Reconstruction-based】

2021，MVTec排名第13

背景

在PFM框架中，映射神经网络的参数数量远远少于源神经网络或目标神经网络的参数数量，预先训练的源和目标神经网络只将图像嵌入特征空间一次。因此，在PFM框架中添加反向映射神经网络将不会在推理阶段带来更多时间消耗或在线存储。

评价指标中，ROCAUC准则有利于较大的异常区域，本论文同时采用假阳性率低于0.3的区域重叠曲线（PROAUC）下归一化面积作为分割评价准则。

模型原理

原理：利用两个不同的预训练网络，源网络和目标网络，其中MNN网络负责将源网络的特征映射到目标网络空间里做对比。这里的映射损失和均方损失可以用来优化网络。剩下的是网络升级，从双向映射再到多层次的双向映射就很好看了。

这里SNN使用ResNet34，TNN使用ResNet50。

MNN：RMNN和MNN共享一部分参数。