PMRN【异常检测：Reconstruction-based】【expand】

背景

块感知相互推理模块和空间混乱感知模块。

块感知推理模块

推理多尺度大块之间的相互依赖关系，在上下文中聚集重要纹理。

空间混乱感知模块

探索错位关系和捕获鉴别特征，增强弱纹理缺陷的识别。

软控制异常测量函数（可以针对当前场景的复杂性对信息流进行软控制）。

能够克服复杂的背景变化，提高泛化性。

模型原理

整体框架遵循重构网络结构，辅以类似于注意力机制的模块（PMR通过分层特征为图像注入全局信息）和打乱模块，并针对损失函数进行改进。

Including

Two Encoders（En1，En2），Two Patch-aware Mutual Reasoning modules(PMR1,PMR2)，A Spatial Shuffle Perception(SSP) module，A Decoder（De），An Adaptive Soft Gated Anomaly Measurement（ASGAM，计算图像级别的重建误差）。

Process

（1）En1模块对输入图像进行提取，生成多层特征。

（2）PMR1突出纹理信息。

（3）SSP进一步打乱，输出稀疏的潜在表征和信息潜在表征。

（4）经过De。

（5）经En2和PMR2对重构的特征进行建模。

（6）经两个线性变换层（可以保持输入图像及重构图像语义的一致性）。

PS：En2，PMR2和En1，PMR1不共享参数。