基于偏差减少耦合超球面的工业图像异常检测

作     者：张帅 刘美菊 

作者机构：沈阳建筑大学电气与控制工程学院 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2025年

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：国家自然科学基金项目(62003225) 辽宁省教育厅青年项目(LJKQZ20222276) 

主　　题：图像异常检测 模型微调 记忆库 无监督学习 

摘      要：目前采用基于特征嵌入的记忆库方法用于图像异常检测问题更加有效，但这类方法存在预训练网络领域偏差、记忆库代表性不足和特征空间偏差等问题，导致异常检测性能下降。针对这些问题，提出了一种偏差减少的耦合超球面模型用于图像异常检测。首先，提出了一种异常生成方法来建立自监督学习任务进行模型微调，从而减少领域偏差问题。其次，通过核心集采样来建立一个更具有代表性的正常特征记忆库。然后通过训练模型在记忆库中建立耦合超球面来区分正常和异常特征，并在模型推理阶段采用局部密度K近邻来减少记忆库的特征空间偏差影响。在公开的工业图像数据集MVTec AD上的实验结果表明，提出的方法在图像级和像素级AUROC中分别达到了99.5%和98.4%，优于大多数现有方法。