基于注意力机制和空洞金字塔池化的缺陷检测

作     者：魏金洋 苑明哲 曹飞道 白海军 王文洪 

作者机构：沈阳化工大学信息工程学院 广州工业智能研究院 中国科学院沈阳自动化研究所 

出 版 物：《信息与控制》 (Information and Control)

年 卷 期：2024年第5期

页      面：662-672页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：中国科学院科技服务网络计划(STS)—东莞专项(20211600200072) 

主　　题：图像处理 缺陷检测 无监督学习 注意力机制 空洞金字塔池化 

摘      要：针对工业产品表面缺陷检测中特征重建精度低导致图像级、像素级、区域级误判率高的问题，提出了一种改进深度特征重建（deep feature reconstruction, DFR）的无监督缺陷检测方法。首先，在特征重建过程中引入跳跃连接，增强特征重建精度，提高模型对正样本特征的重建能力。其次，引入注意力机制，提升算法对缺陷区域的关注，并探索空间注意力对不同目标缺陷检测的影响。然后，在特征重建算法中引入空洞金字塔池化，在不增加参数量的情况下多尺度捕捉上下文信息，提高模型对不同尺寸缺陷的检测能力。最后，使用L2-SSIM（L2-结构相似性）损失函数约束特征重建，在保持像素相似性的基础上同时保留特征结构。基于MVTecad数据集的实验结果表明，所提算法的图像级检测精度、像素级检测精度和区域级检测精度分别为97.5%、 97.2%和93.1%,均优于对比算法。