qq_61702358的博客

原创 What Makes a Good Data Augmentation for Few-Shot Unsupervised ImageAnomaly Detection?

在工业应用中，由于商业竞争和样本收集困难等因素，阳性样本的可用性通常受到限制，因此数据增强是一种很有前途的无监督异常检测技术。本文研究了如何有效地选择和应用数据增强方法进行无监督异常检测。通过实验系统地研究了各种数据增强方法对不同异常检测算法的影响。实验结果表明，不同的工业图像异常检测(IAD)算法的性能不受所采用的特定数据增强方法的显著影响，多种数据增强方法的组合并不一定会进一步提高异常检测的准确性，尽管在特定方法上可以取得优异的效果。这些发现为选择适合IAD不同需求的数据增强方法提供了有益的指导。