无监督异常检测模型的鲁棒性基准

无监督异常检测模型的鲁棒性基准
王培;翟伟;曹洋
【期刊名称】《中国科学技术大学学报》
【年(卷),期】2024(54)1
【摘要】由于生产环境的复杂性和多样性,了解无监督异常检测模型对常见降质的鲁棒性是至关重要的。

为了系统地探索这个问题,我们提出一个名为MVTec-C的数据集来评估无监督异常检测模型的鲁棒性。

基于这个数据集,我们探索了五种不同范式的方法的鲁棒性,包括基于重建的、基于表征相似度的、基于归一化流的、基于自监督表征学习的和基于知识蒸馏的范式。

此外,我们还探讨了两种最佳的方法中不同模块对鲁棒性和准确性的影响,包括Patch Core方法中的多尺度特征、邻域大小、采样比例和Reverse Distillation方法中的多尺度特征、MMF模块与OCE模块、多尺度蒸馏。

最后,我们提出了一个特征对齐模块(FAM),以减少降质带来的特征偏移,并将Patch Core和FAM结合起来,得到一个同时具备高准确率和高鲁棒性的模型。

我们希望这项工作能够作为一种鲁棒性评估手段,并在将来为构建鲁棒的异常检测模型提供经验。

【总页数】13页(P20-29)
【作者】王培;翟伟;曹洋
【作者单位】中国科学技术大学自动化系;合肥综合性国家科学中心人工智能研究院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.无监督局部特征学习的鲁棒性人脸识别
2.一种新的鲁棒无监督显著性目标检测方法
3.面向INS数据分类的鲁棒性无监督聚类方法
4.基于弱监督鲁棒性自编码的高光谱异常检测
因版权原因，仅展示原文概要，查看原文内容请购买。