弱监督分类

双原型引导的多任务学习用于无监督异常检测与分类

Dual-Prototype-Guided Multi-task Learning for Unsupervised Anomaly Detection and Classification

对做工业/医学异常检测的人，这篇提供了用正常原型与类别原型做显式特征解耦、并用差分门控交互与几何正则缓解多任务梯度冲突的框架，可直接迁移到需要同时定位异常区域并判别异常类型的视觉检测系统。