无监督深度特征对应：一种用于图像异常检测的新方法

本文提出了一种无监督机制——深度特征对应（DFC），它可以仅凭借来自无异常样本的先验知识，检测出图像中的异常。DFC采用不对称的双网络框架，包括通用特征提取网络和精细特征估计网络，通过对双网络分支之间的深度特征对应进行建模和评估，检测出图像中可能的异常。为了提高DFC的鲁棒性并进一步提高检测性能，本文特别提出了自我特征增强（SFE）策略和多上下文残余学习（MCRL）网络模块。实验证明，DFC、SFE和MCRL的有效性非常高，可以有效地检测和分割出出现在图像局部区域中的异常，特别是工业异常。在应用于实际工业检查场景时，其性能远远优于其他比较方法。