Prototypical Learning Guided Context-Aware Segmentation Network for Few-Shot Anomaly Detection

异常检测 分割 背景(考古学) 弹丸 计算机科学 人工智能 一次性 异常(物理) 模式识别(心理学) 工程类 地质学 材料科学 物理 冶金 机械工程 古生物学 凝聚态物理
作者
Yuxin Jiang,Yunkang Cao,Weiming Shen
出处
期刊:IEEE transactions on neural networks and learning systems [Institute of Electrical and Electronics Engineers]
卷期号:: 1-11
标识
DOI:10.1109/tnnls.2024.3463495
摘要

Few-shot anomaly detection (FSAD) denotes the identification of anomalies within a target category with a limited number of normal samples. Existing FSAD methods largely rely on pretrained feature representations to detect anomalies, but the inherent domain gap between pretrained representations and target FSAD scenarios is often overlooked. This study proposes a prototypical learning-guided context-aware segmentation network (PCSNet) to address the domain gap, thereby improving feature descriptiveness in target scenarios and enhancing FSAD performance. In particular, PCSNet comprises a prototypical feature adaption (PFA) subnetwork and a context-aware segmentation (CAS) subnetwork. PFA extracts prototypical features as guidance to ensure better feature compactness for normal data while distinct separation from anomalies. A pixel-level disparity classification (PDC) loss is also designed to make subtle anomalies more distinguishable. Then a CAS subnetwork is introduced for pixel-level anomaly localization, where pseudo anomalies are exploited to facilitate the training process. Experimental results on MVTec AD and metal part defect detection (MPDD) demonstrate the superior FSAD performance of PCSNet, with 94.9% and 80.2% image-level area under the receiver operating characteristics (AUROCs) in an eight-shot scenario, respectively. Real-world applications on automotive plastic part inspection further demonstrate that PCSNet can achieve promising results with limited training samples. The code is available at https://github.com/yuxin-jiang/PCSNet.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
SSSSscoliosis发布了新的文献求助10
1秒前
1秒前
bkagyin应助pp陶采纳,获得10
4秒前
YUKI发布了新的文献求助10
6秒前
Eason完成签到,获得积分10
6秒前
6秒前
9秒前
9秒前
11完成签到 ,获得积分10
10秒前
12秒前
13秒前
大模型应助YUKI采纳,获得10
13秒前
14秒前
14秒前
天天快乐应助墨墨采纳,获得10
16秒前
chen完成签到,获得积分10
17秒前
思源应助enen采纳,获得30
17秒前
93发布了新的文献求助10
17秒前
真实的一鸣完成签到,获得积分10
17秒前
司瑛士应助17835152738采纳,获得10
17秒前
hhl完成签到,获得积分10
19秒前
21秒前
搭碰完成签到,获得积分10
21秒前
典雅雨寒发布了新的文献求助10
21秒前
cly3397发布了新的文献求助10
22秒前
学术混子完成签到,获得积分10
24秒前
26秒前
8R60d8应助mostspecial采纳,获得10
30秒前
dididi发布了新的文献求助10
31秒前
郭郭完成签到 ,获得积分10
31秒前
沉默寻凝完成签到,获得积分10
32秒前
pjs发布了新的文献求助10
32秒前
34秒前
EvolDog完成签到,获得积分20
34秒前
35秒前
35秒前
木光完成签到,获得积分20
35秒前
牧尔芙完成签到 ,获得积分10
36秒前
神介.Tzx发布了新的文献求助10
36秒前
月月完成签到 ,获得积分10
37秒前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
CLSI EP47 Evaluation of Reagent Carryover Effects on Test Results, 1st Edition 800
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3053642
求助须知:如何正确求助?哪些是违规求助? 2710842
关于积分的说明 7423746
捐赠科研通 2355391
什么是DOI,文献DOI怎么找? 1247143
科研通“疑难数据库(出版商)”最低求助积分说明 606239
版权声明 595992