一般情况下图像异常检测的目标是通过无监督或者半监督学习的方式, 检测与正常图像不同的异常图像或者局部异常区域。传统机器学习方法已经在图像异常检测领域有了较多的应用, 随着深度学习技术的发展, 越来越多的方法尝试结合神经网络来实现图像异常检测。根据在模型构建阶段有无神经网络的参与, 现有的图像异常检测方法可以分为基于传统方法和基于深度学习的方法两大类别。
基于传统方法的异常检测技术大致包含6个类别: 基于模板匹配、基于统计模型、基于图像分解、基于频域分析、基于稀疏编码重构和基于分类面构建的异常检测方法。而基于深度学习的方法大致包含 4 个类别: 基于距离度量、基于分类面构建、基于图像重构和结合传统方法的异常检测方法。
水论文的话很好水的，像传统方法嵌入到深度学习模型里面就很容易发了，相关的论文也较多。
