工业异常检测：从前沿到落地

---

前言

工业异常检测是一个比较火热的话题，从传统的图像处理到现在引入深度模型的深度视觉识别，在这短短十几年的时间取得了很大提升。这样的提升主要体现在几个方面：1、检测能力越来越强大，从单一的异常检测到现在的多种类检测；2、模型越来越强大，从少数文件图片到现在深度模型需要的万级图像。但异常图像始终是个比较难获取的。在边缘GPU的加持下，深度模型取得了检测速度和检测精度的双平衡，这篇文章将从：1、原理解读，2、动手实践两个部分进行展开。恪守知行合一，争取做一些实际的工作，为像我这样强迫症带来一份酣畅。

---

一、前沿技术：SimpleNet

图1 在工业异常数据集MVTec AD上的实测效果图

1. 任务分类：图像分割

我们可以看到该技术提供了以下功能：1、异常区域叠加在原图上；2、显示出异常区域的热力图，橙色表示得分高的异常区域；3、异常区域边界用红色划离。因此，我们可以将工业异常检测的任务可以归类到图像分割。如果，能够进一步检测出是哪种异常类型，而不是简单的0-1分类，那么可以划分到具体的实例分割任务。

2. 性能对比：Faster & Higher

图2 在检测速度与检测精度面板上的性能对比

通过图2，我们不难发现该方法在取得接近80FPS（帧每秒）的前提下，还取得了超过99.5的分割准确率（I-AUROC）。这种又快又好的检测器，是一把解决行业需求的利器吗？经得起实战吗？

但是，有一个待解决的问题：以上方法只给出了检测的异常位置，但是属于哪种异常，是钢件上异常还是丝绸的呢？这个方法并没有给出。如果在某种材料上的异常不确定时，还能检测出来吗？所以，至少两个问题还需要进一步研究：1、实例分割；2、迁移分割或者鲁棒性检测。

3. 研究背景

困难：

在工业场景下，异常检测与定位特别难，因为异常样本很少，而异常类型多，比如从细小的划痕到大结构缺失等。更多的样例可参考图1。这样让基于有监督的训练比较难执行。

方案：无监督

当前的方法为了解决这个问题，主要采用无监督的方式，即只采用正常样本来训练，只在测试过程中加入异常样本。比较常见的无监督方法有三种趋势：

1. 重构的方法；它假设深度网络在只接受正常数据训练的情况下，不能准确地重构出异常，重构错误的像素被当成异常。但是，这样的假设不可能总成立，因为有时候网络泛化很好，往往也能重构出异常像素，导致误检。
2. 合成的方法；它通过在无异常的数据上产生异常来训练网络，进而估计异常区域的边界。但是，合成的图片不够真实的话，产生的特征可能会偏离真实特征非常远，使用这样的负样本来训练可能会导致一个松散的有界正常特征空间。
3. 嵌入（embedding）的方法；这类方法当前获得SOTA的性能。它一般采用在ImageNet上预训练的模型来提取通用的正常特征，然后采用统计算法比如多参高斯分布，归一化流和内存银行（memory bank）去嵌入正常的特征分布。通过比对输入特征与学习到的分布或者记忆到的特征来检测异常。但是，工业异常图片通常与ImageNet的分布不同。直接使用这些带有偏置的特征可能会导致不匹配的问题。并且，这些统计算法都需要高计算复杂度或者高消耗内存。

为了解决上述问题，作者提出一个SimpleNet，能够利用合成和嵌入方法的优点，获得以下提升：

1. 与直接使用预训练的特征不同，作者提出使用一个特征适配器来产生针对目标的特征，以减少领域偏见。
2. 与直接合成异常样本不同，作者提出通过放置噪声到特征空间的正常特征中来产生异常特征。作者认为通过适当校准噪声的尺度，能够产生一个紧密有界的正常特征空间。
3. 通过训练一个简单的判别器能够简化异常检测过程，这将比在嵌入方法中使用复杂统计算法更加高效运算。
   具体说，就是SimpleNet利用预训练的骨架来提取正常特征，然后进行判别。判别器的结构非常简单，仅由MLP构成。作者的框架如下所示：
   

图3 SimpleNet的框架

数据集：MVTec AD

它是一个非常流行的数据集，在异常检测与定位方面。它包含5中纹理，和10个物体分类，总共包含5354张图片。这个数据集通常由正常样本的训练集，和异常正常兼有的测试集构成。并且，它还提供了像素级别的标注用于异常图片测试。在作者的文中，它将所有类别当成一个分类，也就是所谓的冷启动异常测试，即作者在对应的正常训练样本上为每一个分类训练一个单分类器。没有使用数据增强，每一张图片都被归一化到256x256，中心切割224x224。

性能对比:

下图展示了当前数据集上的领先方法对比性能：

图4 SimpleNet与当前领先方法的性能对比

速度对比：

作者在a Nvidia GeForce GTX 3080ti GPU and an Intel®和Xeon® CPU E5-2680 v3@2.5GHZ的CPU上跑出了比PatchCore几乎快8倍的性能。

图5 更多的分割效果

二、代码实战

按照github指示，几乎不花代价，很快就可以运行，

1.运行记录：

(pytorch-cifar) wqt@ser2024:SimpleNet$ bash run.sh
INFO:__main__:Command line arguments: main.py --gpu 0 --seed 0 --log_group simplenet_mvtec --log_project MVTecAD_Results --results_path results --run_name run net -b wideresnet50 -le layer2 -le layer3 --pretrain_embed_dimension 1536 --target_embed_dimension 1536 --patchsize 3 --meta_epochs 40 --embedding_size 256 --gan_epochs 4 --noise_std 0.015 --dsc_hidden 1024 --dsc_layers 2 --dsc_margin .5 --pre_proj 1 dataset --batch_size 4 --resize 329 --imagesize 288 -d screw -d pill -d capsule -d carpet -d grid -d tile -d wood -d zipper -d cable -d toothbrush -d transistor -d metal_nut -d bottle -d hazelnut -d leather mvtec /home/wqt/Datasets/MVTecAD/
INFO:__main__:Dataset: train=320 test=160
INFO:__main__:Dataset: train=267 test=167
INFO:__main__:Dataset: train=219 test=132
INFO:__main__:Dataset: train=280 test=117
INFO:__main__:Dataset: train=264 test=78
INFO:__main__:Dataset: train=230 test=117
INFO:__main__:Dataset: train=247 test=79
INFO:__main__:Dataset: train=240 test=151
INFO:__main__:Dataset: train=224 test=150
INFO:__main__:Dataset: train=60 test=42
INFO:__main__:Dataset: train=213 test=100
INFO:__main__:Dataset: train=220 test=115
INFO:__main__:Dataset: train=209 test=83
INFO:__main__:Dataset: train=391 test=110
INFO:__main__:Dataset: train=245 test=124
INFO:__main__:Evaluating dataset [mvtec_screw] (1/15)...
INFO:__main__:Training models (1/1)
INFO:simplenet:Training discriminator...
epoch:3 loss:0.25116 lr:0.0002 p_true:0.645 p_fake:0.668: 100%|█████████████████████████████████████████████████| 4/4 [00:49<00:00, 12.31s/it]
----- 0 I-AUROC:0.7534(MAX:0.7534)  P-AUROC0.9586(MAX:0.9586) -----  PRO-AUROC0.845(MAX:0.845) -----
INFO:simplenet:Training discriminator...

如果能提供预测代码或者推理速度更好，但应该从project来看，貌似提供了一些函数，鉴于时间关系就没有再深入挖掘。但从这个项目来看，实用性如何，鲁棒性如何，值得探索。

---

总结

主要对SimpleNet进行了原理解读，和效果分析。通过解读，我们知道当前主流的数据集，和任务，这给我们后续做检测提供了一个方向。