paper:https://arxiv.org/abs/2207.07361
code:https://github.com/MediaBrain-SJTU/RegAD
目前为止，现有的FSAD研究遵循标准AD使用的每类别一个模型的学习范式，并且尚未探索类别间的共性。受人类如何检测异常的启发，通常将图像与正常图像进行比较，利用配准来训练类别无关的异常检测模型。测试时通过比较测试图像的配准特征和正常图像来识别异常。本文是第一个FSAD方法，训练单个可推广模型，不需要对新类别进行重新训练或微调。比目前方法AUC高3%~8%。
异常检测具有广泛的应用，由于异常的定义不明确，不可能用一组详尽的异常样本进行训练。
大多数现有的AD方法都集中于为每个类别训练专用模型。然而，在缺陷检测等现实场景中，鉴于要处理数百种工业产品，为每种产品收集大量培训集并不划算。
异常检测的少镜头学习已通过减少对训练样本需求的策略来实现，例如使用多重变换进行激进数据扩充，或使用更轻的正态分布估计估计器。然而，这种方法仍然遵循每类一个模型的学习范式，无法利用类间的共性。
本文旨在探索一种新的FSAD范式，通过学习多个类别之间共享的通用模型，也可推广到新类别，并受到人类如何检测异常的启发。当要求人类搜索图像中的异常时，一种简单的策略是将样本与正常样本进行比较，以找出差异。只要知道如何比较两个图像，图像的实际语义就不再重要。为了实现这种类似人类的比较过程，我们求助于配准，将不同图像转换为一个坐标系以进行更好的比较。
为了训练一个类别无关的异常检测模型，我们利用配准任务，使用具有三个空间变换网络块的孪生神经网络进行配准。为了获得更好的鲁棒性，没有像典型的配准方法对像素配准，而是通过最大化同一类的余弦相似性，在特征级进行配准。
测试时，为样本提供由正常样本组成的支持集，使用基于统计的分布估计器估计目标的配准特征的正态分布，超出统计正态分布的测试样本被视为异常。这样，模型通过简单估计其正态特征分布而无需任何参数微调，从而快速适应新类别。
本文的贡献主要如下：
FSAD旨在指示只有少数正常样本作为目标类别支持图像的异常。TDG[36]提出了一种分层生成模型，用于捕获每个支持图像的多尺度补丁分布。他们使用多个图像变换并优化鉴别器来区分真实和虚假的面片，以及应用于面片的不同变换。通过聚集正确变换的基于补丁的投票来获得异常得分。DiffNet[29]利用卷积神经网络提取的特征的描述性，使用归一化流估计其密度，这是一种非常适合从几个支持样本估计分布的工具。Metaformer[39]可以应用于FSAD，尽管在其整个元训练过程中（参数预训练之外）应使用额外的大规模数据集MSRA10K[7]，以及额外的像素级注释。在本文中，我们设计了基于配准的FSAD来学习类别无关特征配准，使模型能够在给定一些正常图像的情况下检测新类别中的异常，而无需进行微调。
对于FSAD，我们尝试仅使用少数正常图像作为支持集，从看不见/新类别的测试样本中检测异常。关键挑战在于：
在训练过程中，我们利用无异常特征配准网络学习类别无关特征配准。在测试过程中，给定几个正态图像的支持集，使用基于统计的分布估计器估计目标类别的配准特征的正态分布。超出学习的统计正态分布的测试样本被视为异常。
给定从训练集Ttrain的同一类别中随机选择的一对图像Ia和Ib，利用ResNet型卷积网络作为特征提取器。具体而言，如图2所示，采用ResNet的前三个卷积残差块C1、C2和C3，并丢弃ResNet原始设计中的最后一个卷积块，以确保最终特征仍保留空间信息。空间变换网络（STN）作为特征变换模块插入每个块中，以使模型能够灵活地学习特征配准。具体而言，变换函数Si（i=1，2，3）应用于输入特征f-Si：
其中（xti，yti）是输出特征f ti的目标坐标，（xsi，ysi）是输入特征f si的源坐标中的相同点，Ai是仿射变换矩阵。模块Si用于从卷积块Ci的特征中学习映射。
给定成对提取的特征ft3a和ft3b作为最终变换输出，我们将特征编码器设计为孪生网络。孪生网络是应用于多输入的参数共享神经网络。特征ft3a和ft3b由相同的编码器网络E处理，然后在一个分支上应用预测头P，在另一个分支上停止梯度操作，防止此类崩溃。
表示pa≜ P（E（f3，a））和zb≜ 应用负余弦相似性损失：
最后特征配准损失定义为：
由于孪生网络的两个分支完全相同，因此仅使用一个分支特征进行正态分布估计。在获得配准特征后，使用基于统计的估计器来估计目标类别特征的正态分布，该估计器使用多元高斯分布来获得正态类的概率表示。
假设图像被划分为（i，j）的网格∈ [1，W]×[1，H]位置，其中W×H是用于估计正态分布的特征的分辨率。在每个贴片位置（i，j），设Fij={f kij，k∈ [1，N]}是来自N个增强支持图像的注册特征。fij是贴片位置（i，j）处的聚合特征，通过将相应位置处的三个STN输出与上采样操作连接以匹配其大小来实现。假设Fij由N（µij，∑ij）生成，样本协方差为：
其中µij是Fij的样本均值，正则化项ϵI使样本协方差矩阵满秩且可逆。最后，每个可能的面片位置都与多元高斯分布相关联。
在本文中，我们强调数据扩充在扩展支持集方面起着非常重要的作用，这有利于正态分布估计。具体而言，我们对支持集St中的每个图像采用了增强，包括旋转、平移、翻转和灰度化。
在推断过程中，超出正态分布的测试样本被视为异常。对于Ttest中的每个测试图像，我们使用马氏距离M（fij）为位置（i，j）的贴片给出异常分数，其中：
马氏距离矩阵M=（M（fij））形成异常图。对该异常图应用对应于三个STN模块的三个逆仿射变换，以获得与原始图像对齐的最终异常得分图。该图中的高分表示异常区域。整个图像的最终异常分数是异常图的最大值。
在MVTec和MPDD数据集上进行k-shot异常检测和定位的消融研究。“A”、“F”和“S”模块分别表示支持集、特征注册聚合训练和空间变换网络（STN）的增强。在10次运行的每个数据集中，结果以所有类别的宏观平均AUC%列出。表现最好的方法是粗体。
本文提出了一种FSAD方法，利用配准实现跨类别概括特征，我们使用聚合数据训练类别无关的特征配准网络，可以直接推广到新类别，无需重新训练或参数微调，通过比较测试图像及其对应的支持图像的配准特征来识别异常。对于异常检测和异常定位，该方法显示出了竞争力。
