90s解读AI | 金耀初团队&郑锋团队: 综述-深度工业图像异常检测

在现代制造业中，图像异常检测(IAD)通常用于制造过程的结束阶段，旨在识别产品缺陷。产品缺陷的严重程度会显著影响产品价格。此外，如果缺陷达到一定阈值，产品将被淘汰。深度学习的迅速发展为工业图像异常检测(IAD)领域奠定了里程碑。欧洲科学院院士金耀初教授联合南方科技大学郑锋团队从神经网络架构、监督级别、损失函数、评价指标和数据集的角度全面审视了基于深度学习的图像异常检测技术。此外，团队提取了该技术在工业制造中可适用的场景，并回顾了在本文提出的场景下可用的IAD方法。同时还指出了图像异常检测技术当前面临的若干挑战。本文在不同监督级别下分析了集中有代表性的网络架构的优缺点。最后对研究发现进行总结，并指出未来的研究方向。

全文导读

金耀初团队&郑锋团队 | 综述: 深度工业图像异常检测

全文下载：

Deep Industrial Image Anomaly Detection: A Survey

Jiaqi Liu, Guoyang Xie, Jinbao Wang, Shangnian Li, Chengjie Wang, Feng Zheng & Yaochu Jin

https://link.springer.com/article/10.1007/s11633-023-1459-z

https://www.mi-research.net/en/article/doi/10.1007/s11633-023-1459-z