基于判别式增强的蒸馏学习自监督缺陷检测

作     者：冯志远 陈莹 

作者机构：江南大学轻工过程先进控制教育部重点实验室 

出 版 物：《系统仿真学报》 (Journal of System Simulation)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62173160) 

主　　题：缺陷检测 知识蒸馏 基于注意力的多尺度融合模块 特征重加权模块 判别网络 

摘      要：针对异常缺陷数据稀缺、类型未知以及传统知识蒸馏缺陷检测方法缺乏对异常表示多样性的问题，提出一种基于判别式增强的自监督蒸馏学习方法，通过学习正常样本和伪异常样本的特征得到更加符合真实异常分布的异常分割决策边界。提出一种基于注意力的多尺度融合模块，通过放大学生网络和教师网络多尺度的特征差异来提高对异常表示的能力；设计一种由特征重加权模块和解码器组成的判别网络，通过进一步强调教师网络中的异常特征来生成更加精准的异常分数图，从而提高缺陷检测分割精度。在真实工业的MVTec AD数据集上进行实验，结果表明，该方法的表现超过了现有的知识蒸馏缺陷检测方法，验证了方法的有效性与优越性。