基于改进嵌入向量相似性的织物异常检测方法

作     者：姜金涛 丁坤 王志花 严向华 宋雅静 陈从平 JIANG Jintao;DING Kun;WANG Zhihua;YAN Xianghua;SONG Yajing;CHEN Congping

作者机构：内蒙古智诚物联股份有限公司内蒙古乌兰察布012001 常州大学机械与轨道交通学院江苏常州213164 

出 版 物：《毛纺科技》 (Wool Textile Journal)

年 卷 期：2023年第51卷第6期

页      面：73-80页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划重点专项(2018YFC1903101) 科技部“科技助力经济”重点专项(SQ2020YFF0406540) 

主　　题：异常检测 特征提取 距离度量 注意力机制 

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。