논문 보러가는 링크
https://arxiv.org/abs/2011.08785
PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization
We present a new framework for Patch Distribution Modeling, PaDiM, to concurrently detect and localize anomalies in images in a one-class learning setting. PaDiM makes use of a pretrained convolutional neural network (CNN) for patch embedding, and of multi
arxiv.org
패턴감지를 통한 이미지 기반 이상탐지 이론 중 하나
산업계 검사 측면에서 이상탐지를 진행할 때 픽셀 혹은 patch of pixel 에 대해 anomaly score 를 부여해 anomaly map 을 형성한다. anomaly map을 기반으로 anomaluy localization 해석이 가능하기 때문에 이상여부 뿐만 아니라 어느 부분이 이상상태인지 진단이 가능하다.
Scalability Issue 를 해결하기 위해 PaDim (Patch Distribution Modeling) 을 제안했는데,
embedding extraction 을 위해 pretrained 된 CNN 을 사용한다.
※ 특징
- 각각 patch position 은 multivatiate Gaussian 분포로 표시됨
- pretrained CNN 에서 서로 다른 sementic levels 사이의 correlation 을 고려함
※ 과정
- extraction 임베딩
- 정상 학습
- (추가로) anomaly map 계산
