👀
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)
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