论文链接：[Towards Total Recall in Industrial Anomaly Detection]Towards Total Recall in Industrial Anomaly Detection
：数据集，
：标签
:
在ImageNet上预训练后的网络 第
张图 网络中第
层
1. Locally aware patchcore features的生成
取model（如：wide_resnet50_2）相邻两层的输出特征:features1:32 x 512 x 28x 28 features2:32 x 1024 x 14 x 14
进行embedding—concat操作：
再进行reshape: 32x 1536 x 28 x 28 reshape成 25088 x 1536 原始memory:
2. Memory的精简
- 若采用子样本，则patchcore memory无法覆盖所有normal features
- 文种采用一种核心子集机制（保持性能，减少推理时间
文中用Johson-Lindenstrauss进行降维 后得到
3. 异常检测试
通过上述 计算获取test集的memory:
先计算：
再得到图像级异常分数矩阵：
