来源：期刊VIP网 时间：
作者：刘桂雄1;邢星奥1;黎文富2;闫奕樸1
单位：1.华南理工大学机械与汽车工程学院;2.深圳杰泰科技有限公司
摘要：针对无监督工业异常检测模型需手动设置异常分数阈值区分正常、异常样本，检测过程多轮对话及异常区域属性信息描述困难问题，该文提出无监督大型工业异常检测方法 DetectGPT，该方法依据工业领域知识模拟异常图像构建训练数据集，并为每幅图像生成含工业领域知识文本描述，利用无标签图像中隐式正常先验信息辅助检测异常，通过属性信息提示学习器对大型语言模型微调实现多轮交互式异常检测，并输出正常、异常区域属性信息。在MVTec-AD、VisA数据集测试表明，DetectGPT在无监督少样本设置下具有良好上下文学习能力，在MVTec-AD数据集上Image AUROC=97.0%、Pixel AUROC=93.6%，且提供详细正常、异常图像属性信息描述，具有广泛应用前景。
关键词：工业异常检测;无监督;无标签;互打分
基金资助：广东省重点领域研发计划项目(2019B010154003)
