[论文解读] Visual Anomaly Detection for Images: A Survey

Jie Yang, Ruijie Xu+2 more|arXiv (Cornell University)|Sep 27, 2021

Anomaly Detection Techniques and Applications参考文献 57被引用 15

一句话总结

本综述全面回顾了图像无监督视觉异常检测方法，按检测机制分为密度估计、一类分类、图像重建和自监督学习四类，分析了其优势、局限性以及从经典方法到深度学习方法的演进。文中突出了 MV-Tec AD 等关键基准，并指出了特征蒸馏和层次化特征匹配等有前景的研究方向。

ABSTRACT

Visual anomaly detection is an important and challenging problem in the field of machine learning and computer vision. This problem has attracted a considerable amount of attention in relevant research communities. Especially in recent years, the development of deep learning has sparked an increasing interest in the visual anomaly detection problem and brought a great variety of novel methods. In this paper, we provide a comprehensive survey of the classical and deep learning-based approaches for visual anomaly detection in the literature. We group the relevant approaches in view of their underlying principles and discuss their assumptions, advantages, and disadvantages carefully. We aim to help the researchers to understand the common principles of visual anomaly detection approaches and identify promising research directions in this field.

研究动机与目标

• 提供对图像视觉异常检测方法中经典方法与基于深度学习方法的系统性综述。
• 根据其底层检测机制对无监督方法进行分类，并分析其假设、优势与局限性。
• 识别视觉异常检测中的关键挑战，如异常样本稀缺性以及异常模式的多样性。
• 在 MV-Tec AD 等标准化基准上评估最先进方法，并突出不同数据类别间的性能差距。
• 通过识别自监督学习、特征蒸馏和层次化特征建模等有前景的方向，为未来研究提供指导。

提出的方法

• 将无监督图像级与像素级异常检测方法划分为四大类：密度估计、一类分类、图像重建和自监督分类。
• 回顾依赖手工设计特征（如 SIFT、HOG）和传统机器学习方法（如一类 SVM、自编码器）进行分布建模的深度学习前方法。
• 分析利用预训练卷积神经网络（如 VGG19、ResNet18）提取层次化特征以实现异常检测的深度学习方法。
• 研究基于特征的方法，通过匹配深层特征的最近邻关系，在图像块级别计算异常分数。
• 讨论学生-教师蒸馏框架，其中学生网络通过回归预训练教师网络的特征来检测异常，依据预测误差与不确定性。
• 回顾基于梯度的注意力机制（如 Grad-CAM）和可解释的生成模型（如 VAE）在局部化异常解释中的应用。

实验结果

研究问题

• RQ1 在性能与鲁棒性方面，不同检测机制（密度估计、一类分类、图像重建和自监督学习）之间如何比较？
• RQ2 传统浅层特征方法在处理多样且多变的异常模式时存在哪些关键局限性？
• RQ3 基于深度学习的方法如何通过利用预训练网络的层次化特征表示来提升异常检测性能？
• RQ4 自监督蒸馏框架在无需异常训练数据的前提下，能在多大程度上提升检测性能？
• RQ5 为何现有方法在 MV-Tec AD 等基准中不同类别间表现出性能不稳定？其根本原因是什么？

主要发现

• MV-Tec AD 基准测试揭示了不同异常类别间性能存在显著差异，表明在泛化能力方面仍有巨大提升空间。
• 自监督蒸馏方法（如使用 ResNet18 特征和不确定性感知预测误差）通过知识蒸馏技术，在 MV-Tec AD 上实现了最先进性能。
• 利用预训练层次化特征（如来自 VGG19 或 ResNet18）进行特征匹配，可实现高精度的像素级异常定位。
• 多尺度建模策略提升了检测鲁棒性，但通常假设各尺度间相互独立，忽略了尺度间的关联关系。
• 依赖重建或基于重建的损失函数的方法在处理物体异常时表现强劲，但在纹理异常上表现不佳。
• 基于梯度的注意力机制与可解释的生成模型（如 VAE）可提供异常的局部化解释，显著增强模型可解释性。