异常检测方法、系统、介质、电子设备及异常检测模型技术方案

本发明专利技术提供一种异常检测方法、系统、介质、电子设备及异常检测模型；所述异常检测模型包括：异常过滤器、全局语义嵌入块、多尺度通道自编码器及学生特征还原网络；全局语义嵌入块与异常过滤器连接，全局语义嵌入块用于获取深层语义信息流；多尺度通道自编码器用于获取正常细节信息流；学生特征还原网络用于基于深层语义信息流和正常细节信息流获取学生特征图；比较学生特征图和教师特征图，获取异常图，以基于异常图实现对待测图像的异常检测；本发明专利技术通过使用深层语义信息流和正常细节信息流的双信息流进行异常检测，帮助了学生特征还原网络同时重建语义与细节特征，有效解决了针对于大缺陷和语义结构缺陷的检测问题。

【技术实现步骤摘要】

本专利技术涉及物理领域，尤其涉及计算机视觉检测技术，特别是一种异常检测方法、系统、介质、电子设备及异常检测模型。

技术介绍

1、工业品表面缺陷检测在如今的大规模制造场景中越来越重要，然而，在真实的工业场景下，由于现实异常数据的稀缺，通过依赖正常样本的数据分布来检测未知的异常数据的无监督异常检测逐步占据了重要的地位。

2、现阶段，基于知识蒸馏的异常检测方法展现出卓越的准确率，通过让模型使用正常数据训练，利用学生和教师对于异常特征提取能力的差异，达到异常检测的目的，反蒸馏方法的提出减少了学生对于异常区域的泛化能力，提高了异常检测的性能；然而，由于学生接受单一信息流，无法平衡语义与细节信息，目前的反蒸馏异常检测无法对大缺陷和语义结构缺陷做到很好的检测。

技术实现思路

1、本专利技术的目的在于提供一种异常检测方法、系统、介质、电子设备及异常检测模型，用于解决上述
技术介绍
中指出的问题。

2、第一方面，本专利技术提供一种异常检测模型，所述异常检测模型用于基于输入的待测图像的教师特征图实现对所述待测本文档来自技高网...

【技术保护点】

1.一种异常检测模型，其特征在于，所述异常检测模型用于基于输入的待测图像的教师特征图实现对所述待测图像的异常检测，所述异常检测模型包括：异常过滤器、全局语义嵌入块、多尺度通道自编码器及学生特征还原网络；其中，

2.根据权利要求1所述的异常检测模型，其特征在于，所述异常过滤器包括：特征融合层、特征嵌入层及卷积与自注意力块；其中，

3.根据权利要求1所述的异常检测模型，其特征在于，所述全局语义嵌入块包括：全局平均池化模块、第一特征拼接模块、特征相乘模块、至少一分辨率降低模块及至少一通道注意力模块；其中，

4.一种基于权利要求1至3中任一项所述的异常检测模型...

【技术特征摘要】

1.一种异常检测模型，其特征在于，所述异常检测模型用于基于输入的待测图像的教师特征图实现对所述待测图像的异常检测，所述异常检测模型包括：异常过滤器、全局语义嵌入块、多尺度通道自编码器及学生特征还原网络；其中，

2.根据权利要求1所述的异常检测模型，其特征在于，所述异常过滤器包括：特征融合层、特征嵌入层及卷积与自注意力块；其中，

3.根据权利要求1所述的异常检测模型，其特征在于，所述全局语义嵌入块包括：全局平均池化模块、第一特征拼接模块、特征相乘模块、至少一分辨率降低模块及至少一通道注意力模块；其中，

4.一种基于权利要求1至3中任一项所述的异常检测模型实现的异常检测方法，其特征在于，所述异常检测方法包括：

5.根据权利要求4所述...

【专利技术属性】
技术研发人员：蒋学芹，黄凯，周树波，
申请(专利权)人：东华大学，
类型：发明
国别省市：