Reconstruction error-aware collaborative memory network for unsupervised anomaly detection

doi:10.1016/j.patcog.2026.113998

Reconstruction error-aware collaborative memory network for unsupervised anomaly detection

2026-05-01

1

PRE

AI

DOI：10.1016/j.patcog.2026.113998

原文链接

原文求助

摘要

En 中文

生成对抗网络（GAN）强大的图像生成能力可用于无监督异常检测中的输入重构。基于GAN的无监督异常检测能够有效重构输入样本，而这些重构样本的质量对整体异常检测性能有不可忽视的影响。然而，现有方法在潜在特征空间中常残留异常信息，阻碍了异常区域的规范化重构。为解决此限制，我们提出了一种协同记忆模块，通过并行记忆单元将图像特征转化为多种记忆特征，记录不同模式，从而获取高质量的正常特征表示。此外，现有方法在输入与重构样本之间的中间层编码过程中常表现出信息交互不足，导致信息丢失和图像细节差。为缓解此问题，我们提出了重构误差引导网络，收集来自两个编码器的重构误差信息，并采用分组重构误差注意力机制来指导重构图像的编码过程，从而保留更多输入图像细节。在多正常类别异常检测任务和工业缺陷检测任务上的大量实验表明，我们提出的基于重构误差感知的协同记忆网络具有良好的性能。

Keyword:

Anomaly detection

Collaborative memory

Reconstruction error

Information interaction

Reconstruction error-aware collaborative memory network for unsupervised anomaly detection

摘要

期刊

机构

引用论文