EfficientAD: Detecção de Anomalias Visuais Precisas com Latências de Nível de Milissegundo

Detectar anomalias em imagens é uma tarefa importante, especialmente em aplicações de visão computacional em tempo real. Neste trabalho, focamos na eficiência computacional e propomos um extrator de características leve que processa uma imagem em menos de um milissegundo em uma GPU moderna. Em seguida, usamos uma abordagem de aluno–professor para detectar características anômalas. Treinamos uma rede aluno para prever as características extraídas de imagens normais, ou seja, imagens de treinamento sem anomalias. A detecção de anomalias no tempo de teste é possibilitada pelo aluno que falha em prever suas características. Propomos uma função de perda de treinamento que impede o aluno de imitar o extrator de características do professor além das imagens normais. Isso nos permite reduzir drasticamente o custo computacional do modelo aluno–professor, ao mesmo tempo que melhora a detecção de características anômalas. Além disso, abordamos a detecção de anomalias lógicas desafiadoras que envolvem combinações inválidas de características locais normais, por exemplo, uma ordem errada de objetos. Detectamos essas anomalias incorporando eficientemente um autoencoder que analisa as imagens de forma global. Avaliamos nosso método, chamado EfficientAD, em 32 conjuntos de dados de três coleções de conjuntos de dados de detecção de anomalias industriais. O EfficientAD estabelece novos padrões tanto para a detecção quanto para a localização de anomalias. Com uma latência de dois milissegundos e uma taxa de processamento de seiscentas imagens por segundo, permite um manuseio rápido de anomalias. Juntamente com sua baixa taxa de erro, isso faz dele uma solução econômica para aplicações do mundo real e uma base frutífera para futuras pesquisas.