科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现阶段织物异常检测方法检测准确率低的问题，提出了一种改进的嵌入向量相似性的织物异常检测方法。鉴于无异常织物图像易获取，该方法不依赖负样本。通过Wide ResNet-50提取多层级特征作为嵌入向量；对不同层级的嵌入向量分别建立多元高斯分布，避免特征拼接对微小异常检测的影响；利用余弦相似性弥补马氏距离度量的局限性，提升计算异常分数的精确性，增强纹理类异常检测能力；根据不同异常特征的差异，通过SENet注意力机制对多层级异常分数图分配权重，提高异常检测准确率。MVTec数据集和AITEX织物异常数据集的实验结果表明，改进后的异常检测方法对12种织物异常的平均检测准确率为91.9%,比原始方法提升了2.6%,对复杂多样织物的异常检测的综合性能更好，且预测掩码和分割的织物异常更精确。
- 单位
