CVPR 2023 | SimpleNet：一个简单的图像异常检测和定位网络

吴冰岩

论文：https://arxiv.org/pdf/2303.15140.pdf
代码：https://github.com/DonaldRR/SimpleNet
作者单位：中国科学技术大学自动化系 Meka Technology Co.,Ltd

论文思路：

本文提出一个简单和应用友好（application-friendly）的网络(称为SimpleNet)用于检测和定位异常。SimpleNet由四个组件组成:(1)预训练的特征提取器，生成局部特征;(2)浅层特征适配器，将局部特征转移到目标域;(3)一个简单的异常特征生成器，通过向正常特征添加高斯噪声来伪造异常特征;二值异常鉴别器，用于区分异常特征与正常特征。在推理过程中，将丢弃异常特征生成器。本文的方法基于三种直觉。首先，将预训练的特征转换为面向目标的特征有助于避免领域偏差。其次，在特征空间中生成合成异常更为有效，因为缺陷在图像空间中可能没有太多的共性。第三，一个简单的鉴别器是非常有效和实用的。尽管简单，但SimpleNet在数量和质量上都优于以前的方法。在MVTec AD基准测试中，SimpleNet实现了99.6%的异常检测AUROC，与性能次之的模型相比，误差降低了55.5%。此外，SimpleNet比现有的方法更快，在3080ti的GPU上具有77FPS的高帧率。此外，SimpleNet演示了在One-Class新奇性检测任务上的显著性能改进。

作者：汽车人 | 自动驾驶之心->：【3D目标检测交流群】
点击关注@自动驾驶之心，第一时间看到最前沿与价值的CV/自动驾驶/AI类工作~

强烈推荐！自动驾驶与AI学习社区：欢迎加入国内首个自动驾驶开发者社区！这里有最全面有效的自动驾驶与AI学习路线（感知/定位/融合）和自动驾驶与AI公司内推机会！
求职社群来了！面向自动驾驶与AI相关的算法/开发求职，面试题目/面经/日常吐槽应有尽有！
主要贡献：

SimpleNet易于训练和应用，具有出色的性能和推理速度。提出的SimpleNet基于广泛使用的WideResnet50骨干，在MVTec AD上以77帧/秒的速度运行，实现99.6%的AUROC，在准确率和效率上都超过了之前发表的最好的异常检测方法，见图2。本文进一步将SimpleNet引入到OneClass的新颖性检测任务中，以展示其通用性。这些优点使SimpleNet在学术研究和工业应用之间架起了桥梁。
网络设计：



图3。提出的SimpleNet概述。在训练阶段，nominal样本被送入一个预训练的特征提取器，以获得局部特征。然后，利用特征适配器将预训练的特征引入目标域。通过在自适应特征中加入高斯噪声来合成异常特征。利用自适应特征和异常特征分别作为正样本和负样本训练最终鉴别器。在推理时移除异常特征生成器。


图4。局部特征和自适应特征各维度标准差的直方图。当对异常特征进行训练时，自适应特征空间变得更加紧凑。


实验结果：











0. 自动驾驶感知/定位/融合与规划全系列课程！

自动驾驶感知：YOLOv3~YOLOv8/YOLOX/PPYOLO系列全栈学习教程
自动驾驶感知：国内首个BEV感知全栈学习教程（纯视觉+多传感器融合方案）
自动驾驶多传感器标定：Lidar+Radar+Camera+IMU离线/在线近20+标定方案

1. 自动驾驶之心—3D目标检测交流群

建了自动驾驶之心3D目标检测交流群！想要进交流群的同学，可以直接加微信号：AIDriver001。加的时候备注一下：3D目标检测+学校/公司+昵称，即可。然后就可以拉你进群了。
2. 往期回顾

自动驾驶之心 | CVPR 2023 | 多视图3D目标检测中的viewpoint equivariance
自动驾驶之心 | CVPR 2023 | 协同感知在真实世界就不能打了？世界首款V2V4Real告诉你很能打！
自动驾驶之心 | CVPR'23论文解读 | 多模态/3D检测/BEV/跟踪/点云等多个方向！
自动驾驶之心 | ICRA 2023 | 最新激光雷达-相机联合内外参标定，一步到位！
自动驾驶之心 | 2023最新综述！自动驾驶的运动规划：现状与展望全面回顾（传统/端到端/强化学习）
自动驾驶之心 | nuScenes SOTA！SurroundOcc：面向自动驾驶的纯视觉3D占据预测网络（清华&天大）
自动驾驶之心 | CVPR2023 | 让自动驾驶一骑绝尘！BEV-LaneDet：暴涨十个点，单目3D车道线新SOTA！
自动驾驶之心 | 最新SOTA！LAformer：具有车道感知场景约束的自动驾驶轨迹预测
自动驾驶之心 | ICRA 2023最新！自动驾驶传感器高效部署新方法！
自动驾驶之心 | CVPR2023 | 用于多模态3D目标检测的虚拟稀疏卷积（KITTI SOTA）
自动驾驶之心 | 面向交通场景的无标定BEV表示（清华&北航）

清清碧水

众里寻他千百度，蓦然回首在这里！