👀

PatchCoreが異常検知を楽にした!少しの正常写真のみでいける!異常写真いらない!(テストやいい閾値作るにはいる)

2024/08/23に公開

話すこと

  • PatchCoreの説明(自分の理解で話す)

読者対象

  • 楽に異常検知したい人(少し古いけど)
  • 画像系の基盤モデルの活用例知りたい人

1. どんなもの?

  • 画像系の基盤モデルが作る特徴量を利用するPaDim,SPADEが革新的だった頃にでた当時最高性能の画像異常検知モデル。正常画像も少なくてもいい性能。メモリも少なく、高速で動かせる。
  • 学習ステップ : 正常画像->基盤モデルが特徴量作成ー>近隣特徴量を集約->重要な特徴量だけ選択してメモリーへ保存
  • 推論ステップ : 画像->基盤モデルが特徴量作成->メモリ上で近い特徴量を検索->距離で異常度計算 
  • 異常セグメンテーションの精度も高い

2. 先行研究と比べてどこがすごいの?

  • 先行のPaDim,SPADEと比べても、大幅に性能向上(異常検知、異常検知セグメンテーション)
  • コアサンプリングによって、精度と速さのバランス良し

3. 技術や手法の"キモ"はどこにある?

  • 局所的な特徴だけで比較している。浅い層と深い層の2か所を使用。
  • 速くするため重要な特徴量だけ残している。
  • 異常かを判断する距離の計算にも工夫。
     以下はメモリーバンクの作り方

4. どうやって有効だと検証した?

先行モデルと比較して、高精度(2でも評価結果載せている)

5. 議論はあるか?

  • 少しのずれも異常と判断すべきケースには弱いかも

6. 次に読むべき論文はあるか?

[PaDiM: a Patch Distribution Modeling Framework
for Anomaly Detection and Localization]
(https://arxiv.org/pdf/2011.08785)

論文情報・参考資料・次に読む?記事

あとがき

記事よかったら、いいね♡ 押してね!

Discussion