目前实际的异常检测遇到的一个很大的困难,是在实际的场景中(例如工业流水线等),异常样本往往很难获得,甚至很多时候没有异常样本。这就迫使我们采用semi-supervised或者unsupervised的方法。接下来介绍的文章也都是semi-supervised或者unsupervised的方法。所以现在的异常检测主要通过: generative algorithms such as Generative Adversarial Networks (GANs) or Variational Autoencoders (VAEs, 变分自动编码器 )的方法。
这篇论文没有提供代码,但是有人浮现了这篇论文:
https://github.com/taikiinoue45/STAD
图1 训练过程
这里的teacher网络和student网络结构是一致的,但是teacher网络用的是带有预训练模型的,而student网络没有。训练数据都是正常数据,teacher网络是锁死的,但student网络需要更新,目的是让student网络具有和teacher网络一样的推理能力。
图2 推理过程
把图像分成块,分别输入teacher和student网络,计算loss,判断是否为异常。
这篇文章基于两个假设:
- 在仅包含正常样本的数据集上,让pretrained的teacher模型去教没有pretrain的student模型,使得teacher模型和student模型输出的embedding尽可能一致。那么在inference时,由于teacher只教过student如何embed正常样本,所以正常样本上teacher模型和student模型输出的embedding会比较相似,但异常样本上两者输出的embedding差异会比较大;
2.如果在1中的训练过程中,采用多个随即初始化的students模型和一个pretrained teacher模型,那么在正常样本上students之间的embedding比较一致,而在异常样本上,由于students是随机初始化的,且teacher并没有在异常样本上教过他们,所以在students之间embedding差异也会比较大。
利用这两个假设,在推理时,如果在某个样本上,teacher和students的embedding差异比较大,且students的embeddings之间差异也比较大,那么就说明该样本为异常样本。
此外,为了定位异常的位置,而不是仅仅判断某张图片是否为异常,teacher和students的输入是图片的patch,而不是整张图像。这样,当在某个patch上teacher和students表现差异很大,或者students之间表现差异很大时,就可以认为这个patch为异常,从而定位到了异常的区域。
如何计算异常分数: