?
Outliers resistant image classification by anomaly detection
Различные технологии, включая модели компьютерного зрения, применяются для автоматизированного контроля процессов ручной сборки на производстве. Эти модели позволяют обнаруживать и классифицировать события, такие как наличие компонентов в области сборки или их соединение. Основной проблемой алгоритмов детекции и классификации является их чувствительность к изменениям условий окружающей среды и непредсказуемое поведение при обработке объектов, отсутствующих в обучающей выборке. Поскольку включение всех возможных объектов в обучающую выборку является непрактичным, требуется альтернативное решение. В данном исследовании предлагается модель, одновременно выполняющая задачи классификации и детекции аномалий. Модель использует метод metric learning для построения векторных представлений изображений в многомерном пространстве с последующей классификацией с помощью функции перекрестной энтропии. Для проведения экспериментов был подготовлен набор данных, включающий более 327 000 изображений. Эксперименты проводились с различными архитектурами моделей компьютерного зрения, и результаты каждого подхода были сравнены.