User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Unsupervised Anomaly Detection and Localization for Visual Quality Inspection
Translated title:
Unüberwachte Erkennung und Lokalisierung von Anomalien für die visuelle Qualitätskontrolle
Author:
Bergmann, Paul
Year:
2022
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Steger, Carsten (Prof. Dr.)
Referee:
Steger, Carsten (Prof. Dr.); Rosenhahn, Bodo (Prof. Dr.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
Keywords:
Anomaly Detection, Computer Vision, Unsupervised Learning, Deep Learning
Translated keywords:
Anomalieerkennung, Computer Vision, Unüberwachtes Lernen, Deep Learning
TUM classification:
DAT 760; DAT 770
Abstract:
This thesis develops unsupervised methods for anomaly detection and localization in 2D and 3D visual quality inspection applications. Our methods are trained exclusively on anomaly-free data and significantly improve the detection rate over existing methods. In addition, we present new anomaly detection datasets based on industrial inspection scenarios and suitable evaluation metrics for a thorough performance evaluation.
Translated abstract:
Diese Arbeit entwickelt unüberwachte Methoden zur Erkennung und Lokalisierung von Anomalien in 2D- und 3D-Anwendungen zur visuellen Qualitätskontrolle. Unsere Methoden werden ausschließlich auf anomaliefreien Daten trainiert und verbessern die Erkennungsrate gegenüber bestehenden Methoden deutlich. Zusätzlich stellen wir neue Datensätze zur Anomalieerkennung basierend auf industriellen Inspektionsszenarien vor, sowie geeignete Metriken, die eine umfassende Leistungsbewertung ermöglichen.
WWW:
https://mediatum.ub.tum.de/?id=1662158
Date of submission:
24.06.2022
Oral examination:
18.11.2022
File size:
67888818 bytes
Pages:
180
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221118-1662158-1-0
Last change:
12.12.2022
 BibTeX