无监督深度特征对应：高效检测图像异常，尤其适用于工业场景

本文提出了一种无监督机制，名为深度特征对应 (DFC)，可以有效地检测和分割出图像中的异常。通过对不对称的双网络框架中的深度特征对应进行建模和评估，DFC 仅凭借来自无异常样本的先验知识进行检测和分割。为了提高 DFC 的鲁棒性和检测性能，本文还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 都是有效的。本方法特别适用于工业异常的检测和分割，提高了基准数据集 MVTec AD 的最新技术表现。在实际应用中，其性能远远优于其他比较方法。