PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization

PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization

ICPR 2021 , 2024-05-19 기준 641회 인용

Task

• Anomaly Detection
• Anomaly Localization

Contributions

• 이미지에 대해서 각 patch 별로의 embedding 값을 활용
• Embedding extraction 으로 Pre-trained CNN 을 사용
• 당시에 Anomaly Detection, Localization 에 대해서 SOTA 성능을 달성

Proposed Method

이미지별 patch 의 embedding 값을 활용해서 이미지에서의 anomalies 를 탐지

Learning of the normality

Pre-trained CNN Network 를 통해서 이미지에서 patch embedding 을 extraction
1, 2, 3 Layer 의 feature embedding 값을 추출
가장 큰 resolution feature map 사이즈로 조절해서 채널방향으로 concatenate
concatenated 된 embedding feature vector 에서 100개 채널 랜덤 추출

Train set에 대해서 각 patch 별로 mean, covariance 계산

Inference : computation of the anomaly map

Train set 에서 구한 각 patch distribution 과 test image 의 patch 의 embedding 값과의 Mahalanobis distance 을 계산하고 anomaly score 부여

Experimental Results

각 Layer 별 albation study
Layer 1 + 2 + 3 은 3개 Layer 값을 더한 형식

class 별, all class 별 기존 방법과 비교 분석
본 논문에서 제안하는 PaDiM 방법이 all classes 에 대해 가장 좋은 성능을 보여준다