Patchcore Anomaly Detection 1

정상 데이터가 가진 특징을 기반으로 이와 다른 결과가 발생하였을 때, 비정상 데이터로 탐지

특징

1. 사전학습 모델을 활용하여 학습 과정 없이 정상 데이터의 feature를 추출하여 비정상 이미지를 탐지하는 모델 제안
2. 정상 데이터의 특징을 효과적으로 저장하여 적은 양의 정상 이미지 만으로도 높은 성능
3. 정상 데이터와 다른 해상도의 이미지도 적용가능한 구조

과정

1. sample 들에서 feature 추출

• mid level feature를 쓴다.

2. feature들을 subsampling
3. 메모리 뱅크에 옮김
4. knn search를 통하여 anormaly score 계산

Density-based method(선행연구들)

1. SPADE(Sub Image Anomaly Detection with Deep Pyramid Correspondences)

layer들의 global average pooling 값들이 새로 들어온 값들과 얼마나 차이가 있는 지 확인하는 것

2. PaDim(Patch Distribution Modeling Framework for Anomaly Detection and Localization)

global average pooling의 공분산과 평균이 새로 들어온 값들과 얼마나 차이나는 지 비교하는 것

출처: https://www.youtube.com/watch?v=mEY4qjZcNsw&t=965s