HUST-SLOW / AnomalyNCD

[arXiv:2410.14379] AnomalyNCD: Towards Novel Anomaly Class Discovery in Industrial Scenarios. Paper is available at https://arxiv.org/abs/2410.14379
MIT License
11 stars 0 forks source link

可以端到端训练缺陷检测模型和NCD分类模型吗? #2

Open bowang132 opened 6 hours ago

bowang132 commented 6 hours ago

论文里似乎可以接入到挺多缺陷检测方法后面,但是都需要最终的灰度图,前后两部分可以端到端训练吗?

xrli-U commented 6 hours ago

论文里似乎可以接入到挺多缺陷检测方法后面,但是都需要最终的灰度图,前后两部分可以端到端训练吗?

您好,感谢您对AnomalyNCD的关注,该方法可以与各种类型的异常检测方法相结合:

  1. 如果与零样本方法结合的话,由于零样本方法都是不需要训练的,所以AnomalyNCD可以直接插入训练使用;
  2. 如果与无监督方法结合的话,由于无监督方法使用正常样本训练,训练过程与异常分类无关,所以AnomalyNCD最好在异常检测模型训练完成后,再插入进行训练。或者您可以考虑在无监督方法训练过程中,测试样本同步输入训练,以此实现端到端;
  3. 如果与有监督、弱监督、半监督方法结合的话,AnomalyNCD是可以直接进行端到端训练的。
bowang132 commented 6 hours ago

感谢作者这么及时的回复,前段时间看到您的musc,就做过一些后续缺陷分类的实验,但是没有您的新作AnomalyNCD效果好,我非常看好这个方法的潜力,加油!

zhouyu-hust commented 3 hours ago

@bowang132 感谢您对我们系列工作的关注,欢迎随时交流,请多提宝贵意见~