N-pad【异常检测：density-based】

2022，MVTec排名第4

背景

使用预训练模型的网络先验假设必须是正常图像都是完美对齐的，忽略了位置信息。

本模型是第一次尝试使用相邻像素的特征来获取位置信息， 不受图像完美对齐的影响。

模型原理

这种对不同层次特征的降维以及利用像素间位置关系形成分布的操作，源码出来得研究研究，很值得学习。

训练：

每个像素处的连接通道被假设遵循多元高斯分布，但并不是每个通道都可以遵循高斯分布，所以要使用通道降维，论文的降维操作可以应用给其他使用此种方式建立分布的模型。

A：巴氏距离计算两个分布的重叠程度，这种利用像素及相邻像素的方式，解决先验假设的完美对齐问题。

B：利用特征聚类补充分布。

测试：

利用每个像素与A，B分布间的马氏距离及欧式距离，评分高者为异常。