PathCore:IAD文献解读

论文链接:[Towards Total Recall in Industrial Anomaly Detection]Towards Total Recall in Industrial Anomaly Detection

 {X^{T}}:数据集, x\epsilon X^{T}             y\epsilon \left \{ 0 , 1\right \}:标签    

\Phi _{ij} = \Phi _{j} x(i)  : \Phi 在ImageNet上预训练后的网络   第 i 张图 网络中第 j

1. Locally aware patchcore features的生成

取model(如:wide_resnet50_2)相邻两层的输出特征:features1:32 x 512 x 28x 28 features2:32 x 1024 x 14 x 14

进行embedding—concat操作:

 再进行reshape: 32x 1536 x 28 x 28 reshape成 25088 x 1536 原始memory: M

2. Memory的精简

  • 若采用子样本,则patchcore memory无法覆盖所有normal features
  • 文种采用一种核心子集机制(保持性能,减少推理时间

文中用Johson-Lindenstrauss进行降维 后得到M_{c}

3. 异常检测试

通过上述 计算获取test集的memory: m^{^{test}} 

m\epsilon M

先计算:

再得到图像级异常分数矩阵:

 

 

 

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

狂奔的菜鸡

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值