主要观点总结
本文介绍了一个名为Real-IAD的新数据集,该数据集专为工业异常检测而设计,具有多种特性和大规模数据量。文章讨论了构建该数据集的动机和特性,并提供了关于数据集使用的详细信息。此外,文章还介绍了基于该数据集的几种实验设置和已有开源方法推荐。
关键观点总结
关键观点1: 构建Real-IAD数据集的动机
现有数据集在难度和实际应用场景之间存在差距,需要更具挑战性的数据集来支持AD领域的进一步研究。
关键观点2: Real-IAD数据集的特性
包括更多的类别、大规模数据量、多种材料、多种缺陷类别、多视角、高分辨率等。
关键观点3: 数据收集过程
介绍了Real-IAD数据集的收集过程,包括物料准备、缺陷产品构建、原型采集设备准备、工业级数据收集、标注、清洗过程等。
关键观点4: 文章贡献
提出了新的Real-IAD数据集,它比现有的主流数据集大十倍以上,并基于该数据集构建了一个更接近实际应用场景的FUIAD设置。
关键观点5: 数据集的应用
文章报告了常用的IAD方法在Real-IAD数据集上的性能,并提供了一个极具挑战性的基准,以促进异常检测领域的发展。
文章预览
关注公众号,发现CV技术之美 本文已被CVPR2024收录 (上海交通大学,腾讯优图,复旦大学,荣旗工业科技, 上海计算机软件技术开发中心) Title :Real-IAD: A Real-World Multi-View Dataset for Benchmarking Versatile Industrial Anomaly Detection Project Page : https://realiad4ad.github.io/Real-IAD/ 动机:为什么构建Large-scale Real-world Real-IAD数据集 一方面,大多数最先进的方法在MVTec / VisA等主流数据集上已经达到饱和(AUROC超过99%),无法很好地区分方法之间的差异,且由于难度较小而与实际应用场景之间存在较大差距, 因此需要更具挑战性的数据集来支持AD领域的进一步研究 。 另一方面,各种新的实用异常检测设置的研究受到数据集规模的限制(比如带噪和小样本更贴近实际应用的setting),存在评估结果过拟合的风险,因此 需要更大规模的数据集 来支持; 工业生产中的良率通常介
………………………………