論文の概要: Target before Shooting: Accurate Anomaly Detection and Localization
under One Millisecond via Cascade Patch Retrieval
- arxiv url: http://arxiv.org/abs/2308.06748v1
- Date: Sun, 13 Aug 2023 11:49:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-15 15:35:48.654709
- Title: Target before Shooting: Accurate Anomaly Detection and Localization
under One Millisecond via Cascade Patch Retrieval
- Title（参考訳）: 撮影前のターゲット:カスケードパッチ検索による1ミリ秒未満の正確な異常検出と位置推定
- Authors: Hanxi Li, Jianfei Hu, Bo Li, Hao Chen, Yongbin Zheng, Chunhua Shen
- Abstract要約: 異常検出(AD)の「マッチング」性を再検討する
本稿では,ADの精度と実行速度を同時に向上する新しいADフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 49.45246833329707
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, by re-examining the "matching" nature of Anomaly Detection
(AD), we propose a new AD framework that simultaneously enjoys new records of
AD accuracy and dramatically high running speed. In this framework, the anomaly
detection problem is solved via a cascade patch retrieval procedure that
retrieves the nearest neighbors for each test image patch in a coarse-to-fine
fashion. Given a test sample, the top-K most similar training images are first
selected based on a robust histogram matching process. Secondly, the nearest
neighbor of each test patch is retrieved over the similar geometrical locations
on those "global nearest neighbors", by using a carefully trained local metric.
Finally, the anomaly score of each test image patch is calculated based on the
distance to its "local nearest neighbor" and the "non-background" probability.
The proposed method is termed "Cascade Patch Retrieval" (CPR) in this work.
Different from the conventional patch-matching-based AD algorithms, CPR selects
proper "targets" (reference images and locations) before "shooting"
(patch-matching). On the well-acknowledged MVTec AD, BTAD and MVTec-3D AD
datasets, the proposed algorithm consistently outperforms all the comparing
SOTA methods by remarkable margins, measured by various AD metrics.
Furthermore, CPR is extremely efficient. It runs at the speed of 113 FPS with
the standard setting while its simplified version only requires less than 1 ms
to process an image at the cost of a trivial accuracy drop. The code of CPR is
available at https://github.com/flyinghu123/CPR.
- Abstract（参考訳）: 本稿では,アノマリー検出(ad)の「マッチング」特性を再検討することにより,広告精度と劇的に高い実行速度の新たな記録を同時に享受する新しい広告フレームワークを提案する。
このフレームワークでは、各テスト画像パッチに最も近い近傍を粗い方法で検索するカスケードパッチ検索手順によって異常検出問題を解決する。
テストサンプルが与えられた場合、ストレートなヒストグラムマッチングプロセスに基づいて、トップKで最も類似したトレーニング画像が最初に選択される。
第二に、各テストパッチの最も近い隣人は、慎重に訓練された局所計量を用いて、これらの「グローバルな隣人」の類似した幾何学的位置で検索される。
最後に、各テスト画像パッチの異常スコアは、その「近接近傍」と「非背景」確率との距離に基づいて算出される。
本研究では,提案手法を"Cascade Patch Retrieval"(CPR)と呼ぶ。
パッチマッチングベースのADアルゴリズムとは異なり、CPRは「パッチマッチング」の前に適切な「ターゲット」(参照画像と位置)を選択する。
評価されたMVTec AD, BTAD, MVTec-3D ADデータセットでは, 提案アルゴリズムは, 様々なAD測定値によって測定された, 比較したSOTA法よりも一貫して優れていた。
さらに、CPRは極めて効率的である。
標準設定で113 FPSの速度で動作し、単純化されたバージョンでは1ミリ秒未満で画像を処理することができる。
CPRのコードはhttps://github.com/flyinghu123/CPRで公開されている。
関連論文リスト
- Graspness Discovery in Clutters for Fast and Accurate Grasp Detection [57.81325062171676]
グレープネス(graspness)とは、散らばった場面で把握可能な領域を区別する幾何学的手がかりに基づく品質である。
本研究では,探索過程を近似するカスケード把握モデルを構築した。
大規模なベンチマークであるGraspNet-1Billionの実験では,提案手法が従来の手法よりも大きなマージンで優れていたことが示されている。
論文 参考訳（メタデータ） (2024-06-17T02:06:47Z) - Patch-based Selection and Refinement for Early Object Detection [20.838511460733038]
本稿では,イメージをパッチに分割し,様々なスケールのオブジェクトでパッチを選択し,小さなオブジェクトの詳細を精査し,できるだけ早く検出するアルゴリズムを提案する。
提案手法は変圧器を用いたネットワーク上に構築され,拡散モデルを統合して検出精度を向上させる。
提案アルゴリズムは,小型オブジェクトのmAPを1.03から8.93に向上させ,計算におけるデータボリュームを77%以上削減する。
論文 参考訳（メタデータ） (2023-11-03T23:41:13Z) - A Hierarchical Descriptor Framework for On-the-Fly Anatomical Location
Matching between Longitudinal Studies [0.07499722271664144]
本研究では,2対の医用画像間の解剖学的位置を縦断的に比較する手法を提案する。
ソース画像内のクエリポイントのディスクリプタを演算することにより、マッチングを可能にする。
階層探索操作は、対象画像に最も類似した記述子を持つ対応する点を検出する。
論文 参考訳（メタデータ） (2023-08-11T18:01:27Z) - 2D3D-MATR: 2D-3D Matching Transformer for Detection-free Registration
between Images and Point Clouds [38.425876064671435]
本稿では2D3D-MATRを提案する。
提案手法では,入力画像のダウンサンプリングされたパッチと点雲との間の粗い対応をまず計算する。
パッチマッチングにおけるスケールのあいまいさを解決するため,各画像パッチに対してマルチスケールピラミッドを構築し,最適なマッチング画像パッチを適切な解像度で検出する。
論文 参考訳（メタデータ） (2023-08-10T16:10:54Z) - Stagnation Detection in Highly Multimodal Fitness Landscapes [0.0]
局所最適化から逃れるためのランダム化探索のメカニズムとして,定常検出法が提案されている。
本稿では,探索半径をより注意深く制御するために,静止検出に付加できる半径メモリと呼ばれる新しい機構について検討する。
このアイデアはSD-RLS$textm$と呼ばれるアルゴリズムで実装され、それまでのステージング検出の変種と比較して高速化された。
論文 参考訳（メタデータ） (2021-04-09T14:33:52Z) - DetCo: Unsupervised Contrastive Learning for Object Detection [64.22416613061888]
教師なしのコントラスト学習は,CNNを用いた画像表現学習において大きな成功を収めている。
我々は,グローバルイメージとローカルイメージパッチのコントラストをフルに検討する,DetCoという新しいコントラスト学習手法を提案する。
DetCoは1倍のスケジュールでMask RCNN-C4/FPN/RetinaNet上で1.6/1.2/1.0 APで教師付き手法を一貫して上回っている。
論文 参考訳（メタデータ） (2021-02-09T12:47:20Z) - Image Denoising by Gaussian Patch Mixture Model and Low Rank Patches [0.0]
類似したマッチングマッチングの精度を向上し、ガウス雑音に対する適切な低階行列近似モデルを構築する方法という2つの問題を解くことによって、新しい手法を提案する。
この2つの問題を解くことにより,提案手法が最先端の復調法より優れていることを示す実験結果が報告された。
論文 参考訳（メタデータ） (2020-11-20T09:28:04Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳（メタデータ） (2020-07-20T12:07:48Z) - Frustratingly Simple Few-Shot Object Detection [98.42824677627581]
希少なクラスにおける既存検出器の最後の層のみを微調整することは、数発の物体検出タスクに不可欠である。
このような単純なアプローチは、現在のベンチマークで約220ポイントのメタ学習方法より優れている。
論文 参考訳（メタデータ） (2020-03-16T00:29:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。