More than 1 year has passed since last update.

[論文読み] CutPaste: Self-Supervised Learning for Anomaly Detection and Localization

Last updated at 2024-03-15Posted at 2024-03-14

概要

CutPasteは正常画像から疑似的な異常画像を作成し，CNNの学習に使用する自己教師あり学習手法である．正常画像から作成した疑似的な異常画像で学習するため，実際の異常画像が不要となる．

正常画像のある部分を切り取りパッチを取得し，別の部分に貼り付けるCutPasteと細長いパッチにリサイズして貼り付けるCutPaste-Scarの2つを提案している．

正常画像のある部分を切り取りパッチを取得し，別の部分に貼り付けて疑似的な異常画像を自動的に作成し，学習に使用する手法である．正常画像は正常クラス，作成した疑似的な異常画像は異常クラスの2クラス分類問題として学習する．

異常度(Anomaly Score)をGDE(Gaussian Density Estimator)を用いて求め，評価する．
異常箇所はGrad-CAMを用いてAttention Mapとして可視化する．

貼り付けるパッチのサイズでCutPasteとCutPaste-Scarの2つが存在する．
CutPaste-Scarは細長いパッチを貼り付けているためCutPasteと比較して異常箇所が微細である．

従来の異常検知手法とCutPaste，CutPaste-Scar，3-way(CutPaste+CutPaste-Scar)で学習した手法のArea Under Curve(AUC)を比較．
3-wayで学習した手法が最も高精度．

実際の異常画像を用いず，正常画像から疑似的な異常画像を作成し，CNNの学習に使用する自己教師あり学習手法であるCutPasteを紹介しました．
実際の異常画像を用いないため，異常画像の収集が困難であるという問題を解決している．

論文：CutPaste: Self-Supervised Learning for Anomaly Detection and Localization
LINK：https://arxiv.org/abs/2104.04015