AnoSeg【异常检测：Recontruction-based】

 2021.10，MVTec排名18。

模型原理 

思想：本质是重构网络的大体框架，装配了新的图像增强策略，坐标通道连接策略，以及一些损失（重建损失，对抗损失，特征匹配损失）的组合。

硬图像增强（Hard augmentation，生成偏离原始样本分布的样本。），对抗学习，坐标通道连接 。

图像增强方法（在训练阶段，应用到增强技术的图像占总图像的50％）：

坐标通道连接：

生成秩为1的矩阵，再归一化到[-1,1]。

疑问

一个问题：为什么是要输入异常图进行重构的，这样的话测试时候，异常图重构的好呗，正常图重构的不好呗，是这个意思吗？

理解的：还是符合一般情况的训练阶段将模型训练的符合正常图像的分布，加入带有异常模拟区域的图像是为了数据增强，有更多的训练数据，训练的时候会对训练到的这些异常区域进行限制（文中有提到，使用的遮蔽型的重构损失。）。所以说并不是针对异常图进行训练，本质还是针对正常图进行训练。