-
论文标题：图像异常检测研究现状综述
-
作者：吕承侃 1, 2 沈 飞 1, 2, 3 张正涛 1, 2, 3 张 峰 1, 2, 3
-
发表日期：2022年6月
-
阅读日期 ：2023年11月28
-
研究背景：
图像异常检测是计算机视觉领域的一个热门研究课题, 其目标是在不使用真实异常样本的情况下, 利用现有的正常样本构建模型以检测可能出现的各种异常图像, 在工业外观缺陷检测、医学图像分析、高光谱图像处理等领域有较高的研究意义和应用价值. 本文首先介绍了异常的定义以及常见的异常类型. 然后, 本文根据在模型构建过程中有无神经网络的参与, 将图像异常检测方法分为基于传统方法和基于深度学习两大类型, 并分别对相应的检测方法的设计思路、优点和局限性进行了综述与分析. 其次, 梳理了图像异常检测任务中面临的主要挑战. 最后, 对该领域未来可能的研究方向进行了展望. -
方法和性质
-
研究结果
-
创新点
-
数据
论文中找 -
结论
-
挑战
- 异常样本的未知性
- 异常定义的不清晰
- 微弱异常的定位
- 维数灾难
- 算法的通用性
- 研究展望
- 构建更为高效的异常检测算法.🌟
- 小样本/半监督学习🌟
- 更自适应的样本合成方法🌟
- 轻量化网络设计▲
- 更高精度的异常定位方法▲
-
重要性
-
写作方法：
- 摘要：目标->应用背景->创新点->结果
