一种基于非对称教师学生网络的知识蒸馏异常检测方法技术

本发明专利技术提供一种基于非对称教师学生网络的知识蒸馏异常检测方法，包含构建工业产品正常样本训练集；搭建基于非对称教师学生网络的多尺度知识蒸馏网络，避免了因教师网络和学生网络结构高度相似导致的对于异常区域仍提取相似特征以至无法很好定位异常区域的问题，结合掩码特征重生成模块进一步加强学生网络的特征学习能力；将待检测的工业产品图像输入训练好的模型中，根据所得的异常分数和异常区域图，设定阈值得到图像异常判断结果和异常区域定位结果。该基于非对称教师学生网络的知识蒸馏异常检测方法，可用于自动化的工业质检系统进行工业产品的异常检测，避免高额的人力成本，能及时发现潜在的产品缺陷，避免进一步的安全、经济隐患。

【技术实现步骤摘要】

本专利技术涉及图像数据异常检测领域，具体为一种基于非对称教师学生网络的知识蒸馏异常检测方法。

技术介绍

1、随着工业智能化水平的不断提高，计算机视觉技术被广泛运用于构建高效的自动化工业质检系统中。不同于传统的检测算法对于标注训练数据的高度依赖，异常检测技术通过仅使用目标工业产品的正常样本进行模型训练，并具有对检测图像进行异常判断和异常区域进行定位的能力，避免了在数据准备阶段收集异常样本困难，标注数据耗时费力的问题，同时具有优异的异常检测性能。

2、现有的基于知识蒸馏的异常检测方法可分为对称结构的教师学生网络模型和非对称结构的教师学生网络模型。对称结构的教师学生网络模型采用完全一致的教师学生网络结构，学生网络可能对于异常区域仍然提取跟教师网络相似的特征，导致无法精确定位异常区域位置；现有的非对称教师学生网络通过简化学生网络的结构以避免对于异常区域的相似特征提取，但同时弱化了学生网络的学习能力，不能很好学习正常样本的特征，导致正常区域也出现较多的虚警。

技术实现思路

1、(一)解决的技术问题

<本文档来自技高网...

【技术保护点】

1.一种基于非对称教师学生网络的知识蒸馏异常检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于非对称教师学生网络的知识蒸馏异常检测方法，其特征在于，步骤S1中收集的数据集仅包含目标工业产品的正常样本数据。

3.根据权利要求1所述的一种基于非对称教师学生网络的知识蒸馏异常检测方法，其特征在于，步骤S1中，数据集的划分结果是80％为训练集和20％为验证集。

4.根据权利要求1所述的一种基于非对称教师学生网络的知识蒸馏异常检测方法，其特征在于，步骤S2中，用于教师网络的特征提取骨干网络采用预训练的WideResNet50，用于学生网络的特...

【技术特征摘要】

1.一种基于非对称教师学生网络的知识蒸馏异常检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于非对称教师学生网络的知识蒸馏异常检测方法，其特征在于，步骤s1中收集的数据集仅包含目标工业产品的正常样本数据。

3.根据权利要求1所述的一种基于非对称教师学生网络的知识蒸馏异常检测方法，其特征在于，步骤s1中，数据集的划分结果是80％为训练集和20％为验证集。

4.根据权利要求1所述的一种基于非对称教师学生网络的知识蒸馏异常检测方法，其特征在于，步骤s2中，用于教师网络的特征提取骨干网络采用预训练的wideresnet50，用于学生网络的特征提取骨干网络采用预训练的resnext50，学生网络同时还包含掩码特征重生成模块。

5.根据权利要求1所述的一种基于非对称教师学生网络的知识蒸馏异常检测方法，其特征在于，步骤s3具体指：将步骤s1的训练集图像输入步骤s2所搭建的异常检测模型中的教师网络，冻结其权重并提...

【专利技术属性】
技术研发人员：刘志，顾昊成，李恭杨，陆小锋，刘学锋，
申请(专利权)人：上海大学，
类型：发明
国别省市：