SimpleNet: A Simple Network for Image Anomaly Detection and Localization

SimpleNet: A Simple Network for Image Anomaly Detection and Localization

CVPR 2023, 2024-07-19 기준 122회 인용

Task

• Anomaly Detection

Contributions

• shallow feature adaptor 를 통해서 local feature 를 target domain으로 transfer
• simple anomaly feature generator 를 통해서 anomaly feature 를 생성
• binary anomaly discriminator 를 통해서 anomaly feature 와 normal featrue 를 구분
• 기존 방법들 대비 빠른 inference speed

기존의 방법보다 성능와 inference speed 가 향상됨

Proposed Method

Fetaure Extractor & Adaptor

ResNet-like backbone 으로 feature 추출
$L$ level 의 hierachies features 를 사용
본 논문에서는 WideResnet50 을 사용
2, 3 번째 layer feature 를 사용 -> 4번째 layer 는 ImageNet classification 을 위한 정보가 많이 집약

$q_{h,w}^{i} = G_{\theta}(o_{h,w}^{i})$

MLP 를 통해서 target domain 으로 featrue adaptation

Anomalous Feature Generator & Discriminator

$q_{h,w}^{i^-} = q_{h,w}^{i} + \epsilon$

Adpatation 된 feature 에 Gaussian distribution 의 random noise 를 더해 anomaly feature 를 생성

2-layer MLP 를 통해서 생성된 anomaly feature 와 normal feature 를 구별

Loss function and Training

truncated $l1$ loss 로 학습

Pytorch-like Algorithm
굉장히 simple 하다

Experimental Results

MVTec AD 데이터셋에 대해서 Average 성능이 가장 좋다

anomaly image에 대한 Qualitative 결과
개인적인 견해로는 Gaussian distribution 으로 noise 를 추가해서 anomaly feature 를 만들기 때문에 anomaly map 이 roughly 하게 나오는 것 같다