CutPaste【异常检测：Representation-based】

2021.CVPR

背景

自动编码器是重构误差高时来声明异常，生成模型在概率密度低于某一阈值时声明异常。

模型原理

两个阶段：

（1）基于自监督方法学习正常图像的特征表示。

（2）基于表示构建单分类器（高斯密度估计器GDE）。

第一阶段的数据增强策略：

（1）从正常图像切一块随机大小的矩形区域。

（2）旋转或改动该区域的像素值。

（3）将该区域粘贴到图像的任意位置。

CutPaste的数据增强策略（借鉴Cutout和Scar的）