免异常样本训练
利用铁轨图像固有的对称先验，通过度量学习区分正常与异常目标，摆脱对异常标注数据的依赖。
Taocun, Yang · Yuming, Liu · 黄雅平 · 刘俊博 · 王胜春
IEEE Transactions on Industrial Informatics 2023
该方法通过度量学习训练正常目标与其对称区域的相似性，无需任何异常样本即可建立检测模型。
由于不依赖异常类别的监督信号，模型对训练中未出现的新异常类型依然有效。
铁轨图像关于轨道中心线近似对称，正常目标对称重复出现，而异常目标与对称区域差异显著。