科研之友
微信
新浪微博
Facebook
分享链接
摘要
工业生产机械化对工业产品质量检测环节提出了新的要求，需要一种具有高精度、易于移植的异常检测算法来适应生产方式的更新。针对工业生产中，异常样本出现概率低、无法完全预测的固有难题，提出了一种基于模糊遮蔽与动态推理的生成式工业异常定位模型。首先，设计了一个基于随机模糊遮蔽的对比样本生成模块，用于获取高质量的模拟异常图像。同时，利用浅层特征融合路径保留更多的边缘信息，使用损失函数加权使模型更加关注结构相似性，以及使用对比学习的方式使网络获得更好的表示能力。其次，为了缓解生成式模型输出图像模糊的问题，设计了多分支异常动态推理方法，使迭代生成和精准修复两分支相互配合，拉远背景噪声与真实异常间的距离。实验结果表明，所提方法在MVTec数据集上取得了91.42%的平均定位精度，其中有12类达到了前三的异常定位精度，能够较完整地获取异常地位置；对于纹理复杂和背景占比较大的图像，所提方法仍然保持着较高的指标敏感度，其异常定位性能在近年来提出的生成式检测模型中取得了最佳。
- 单位
