无监督异常检测：深度特征对应 (DFC) 方法

本文介绍了一种名为深度特征对应 (DFC) 的无监督机制，可以有效地检测和分割出图像中的异常结构，即使没有可用的异常图像样本。DFC 采用了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，并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 的鲁棒性和检测性能，本文还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 非常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。在基准数据集 MVTec AD 上的表现也超过了最新技术。在实际工业检查场景中，DFC 的性能远远优于其他比较方法。