工业异常检测:mixed attention auto encoder for multi-class industrial anomaly detection

论文作者：Jiangqi Liu,Feng Wang

作者单位：East China Normal University

论文链接：http://arxiv.org/abs/2309.12700v1

内容简介：

1）方向：工业异常检测

2）应用：多类别异常检测

3）背景：现有的无监督工业异常检测方法针对每个对象类别训练一个单独的模型。这种方法可以轻松捕捉特定类别的特征分布，但存储成本高且训练效率低。

4）方法：本文提出了一种统一的混合注意力自编码器（MAAE），用于使用单个模型实现多类别异常检测。为了缓解不同类别的分布模式多样性导致的性能下降，我们采用空间注意力和通道注意力来有效捕捉全局类别信息，并对多个类别的特征分布进行建模。此外，为了模拟特征上的真实噪声并保留不同类别对象的表面语义（对于检测微小异常很重要），提出了自适应噪声生成器和多尺度融合模块用于预训练特征。

5）结果：与最先进的方法相比，MAAE在基准数据集上表现出色。