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，可以通过先验知识有效地检测和分割出图像中的异常。DFC 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，可以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。它提高了基准数据集 MVTec AD 的最新技术表现，并且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。