ContaminationAD：基于污染数据的异常检测

《Neural Networks》：ContaminationAD: Anomaly Detection with Contaminated Data

　　

•我们提出了一种有效的框架，用于处理污染数据下的异常检测，该框架在不进行数据过滤的情况下实现了优异的准确性和强大的鲁棒性。
•我们引入了一种伪标签生成策略，用于识别污染样本并分配伪标签，这些伪标签用于生成与视觉特征对齐的文本特征。
•我们提出的方法在污染数据下的异常分类和分割中达到了最先进性能，显示出强大的鲁棒性。

引言
工业异常检测旨在识别异常图像并定位生产线中的异常区域。由于异常样本稀缺 (Wu 等人，2026)，很难收集足够的异常图像用于训练。因此，仅需正常图像的无监督异常检测引起了广泛关注。无监督异常检测方法通过对正常样本的分布进行建模来识别异常值。尽管以前的异常检测框架取得了优异的性能，但它们都依赖于干净的数据集。如果标准正常数据集被污染，大多数算法将无法构建正确的决策边界，检测准确率将会下降。在真实的工业场景中，数据不可避免地受到噪声污染。此外，模糊特征会导致人工标注过程中出现错误标签。因此，为了确保检测的可靠性和准确性，探索污染数据下的异常检测至关重要。此外，污染数据下的异常检测可以扩展到完全无监督的设置。与以前的无监督方法不同，该设置消除了训练数据完全无缺陷的隐式监督信号。与过去的方法相比，基于该设置的算法具有更高的实际应用价值，因为它们可以在不进行数据过滤的情况下快速部署到新的生产线上。

然而，通过污染图像检测异常是一个具有挑战性的任务。由于污染图像包含分布外信息，它们会在训练过程中引入误导性信号。当使用污染数据集进行训练时，污染图像被盲目地当作干净图像处理。如果模型学习异常表示并错误地将其视为正常模式，在测试阶段更容易发生漏检。此外，污染样本不可预测的数量对算法的鲁棒性构成了挑战。严重的数据污染阻碍了模型学习正常模式，并误导模型建立不可靠的决策边界。包含大量污染图像的数据集会导致更多的训练轮次和性能下降。模型需要调整以适应不同的污染水平，这干扰了工业场景中的快速部署。

为了解决这些问题，我们提出了一种名为 ContaminationAD 的新框架，它利用 CLIP 的预训练编码器来提取具有强关联的视觉和文本特征。为了独立学习干净样本和污染样本的信息，我们引入了一种伪标签生成策略，该策略对比实例级别和补丁级别的分布，旨在获得粗略定位和伪标签。然后，我们使用伪标签来指导生成与视觉特征对齐的文本特征。为了捕获异常模式和未见过的正常特征，设计了一个带有路由机制的双专家网络，以动态集中在视觉嵌入中的关键信息上。通过增强视觉和文本特征之间的对齐，模型被训练以识别异常模式。利用 CLIP 强大的分类能力，我们将路由权重结合到分割任务中，以便强大的语义理解促进模型专注于相关样本。此外，粗略定位结果被用于协助模型学习局部表示。鉴于对污染数据下的异常检测讨论有限，我们评估了主流异常检测方法在此设置下的性能，并提供了一个全面的基线。在不同污染水平场景下的广泛实验表明，ContaminationAD 在 MVTecAD (Bergmann 等人，2019)、VisA 和 BTAD (Mishra 等人，2021) 数据集上优于最先进异常检测方法。

我们的工作贡献总结如下：
•我们提出了一种有效的框架，用于处理污染数据下的异常检测，该框架在不进行数据过滤的情况下实现了优异的准确性和强大的鲁棒性。
•我们引入了一种伪标签生成策略，用于识别污染样本并分配伪标签，这些伪标签用于生成与视觉特征对齐的文本特征。
•为了从视觉表示中捕获关键信息，我们设计了一个双专家网络以提取有价值的语义信息用于分类。此外，提出了一种语义驱动的分割加权，使模型能够自适应地集中在相关样本上，并通过应用粗略定位结果来促进分割性能。
•我们提出的方法在污染数据下的异常分类和分割中达到了最先进性能，即使存在严重数据污染也显示出强大的鲁棒性。

章节片段
干净数据上的异常检测
无监督异常检测旨在仅使用正常图像训练能够识别异常的模型 (Tan, Gao, Liu, Wen, 2026, Wang, Wang, Liu, Liu, Liu, Wang, 2026)。经典的异常检测方法试图对正常样本的数据分布进行建模，并找到决策边界以区分正常和异常样本。主流的异常检测方法可分为三类。基于重建的方法如 Fang 等人 (2023) 实现。
问题定义
在本文中，我们探索了在训练使用污染数据时提高性能的方法。在此设置中，训练集 ????={??1,??2,??3,...,????} 由 N 个样本组成。分数 ? 用于量化数据集的污染水平。具体来说，污染水平为 ? 的数据集包含 ? × N 个污染图像和 (1???)×N 个正常图像。重要的是，在训练过程中样本是否被污染是未知的，要求模型进行训练。
实验细节
数据集 为了全面评估所提出的 ContaminationAD 框架的有效性和鲁棒性，我们在三个广泛使用的工业异常检测基准上进行了实验：MVTecAD、VisA 和 BTAD。MVTecAD (Bergmann 等人，2019) 是一个标准基准数据集，包含 15 类工业物体和纹理，总共有 5354 张高分辨率图像。每个类别包括多种缺陷类型，如划痕、污染和结构。
结论
污染数据下的异常检测是真实工业场景中不可避免的挑战。我们测试了现有方法，并分析了在污染数据集上训练时的性能。然而，大多数方法的性能受到了不同程度的性能下降。为了减轻数据污染的影响，我们生成伪标签来指导模型训练，并设计了一个双专家网络，使模型能够集中在关键信息上。此外，为。
CRediT 作者贡献声明
Zuo Zuo: 写作 – 初稿，方法学，形式分析，概念化。Jiahao Dong: 可视化，验证。Zongze Wu: 项目管理，资金获取。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能会影响本论文中报告的工作。
Zuo Zuo|Jiahao Dong|Zongze Wu