深度学习的快速发展为工业图像异常检测（IAD）奠定了一个里程碑。今天学姐就给大家介绍一篇非常顶且非常实用的工业图像异常检测综述论文，真正意义上对基于深度学习的工业图像异常检测进行了全面的阐释。接下来学长简单介绍一下这篇综述。
在这篇综述中，研究者们首先从神经网络架构、监督级别、损失函数、度量和数据集的角度对IAD进行了全面的综述。然后从工业制造中提取了新的环境，在他们提出的新环境下回顾了当前的IAD方法。此外还强调了图像异常检测的几个开放性挑战，讨论了具有代表性的网络体系结构在不同监管下的优缺点。最后，对研究结果进行了总结，并指出了未来的研究方向。
同时学长还将综述中提及和引用的论文搜集整理出了一份工业异常检测论文合集，并贴心的制作了检索目录和思维导图，点击链接就能跳转学习，大家可以将其作为这篇综述的补充，下载下来将二者结合起来阅读。希望能够对你以后工作和学习有所启发。
#深度学习 #人工智能 #异常检测
在这篇综述中，研究者们首先从神经网络架构、监督级别、损失函数、度量和数据集的角度对IAD进行了全面的综述。然后从工业制造中提取了新的环境，在他们提出的新环境下回顾了当前的IAD方法。此外还强调了图像异常检测的几个开放性挑战，讨论了具有代表性的网络体系结构在不同监管下的优缺点。最后，对研究结果进行了总结，并指出了未来的研究方向。
同时学长还将综述中提及和引用的论文搜集整理出了一份工业异常检测论文合集，并贴心的制作了检索目录和思维导图，点击链接就能跳转学习，大家可以将其作为这篇综述的补充，下载下来将二者结合起来阅读。希望能够对你以后工作和学习有所启发。
#深度学习 #人工智能 #异常检测
