FractalAD：一种利用分形异常生成与骨干知识蒸馏的简易工业异常检测方法
计算机视觉与模式识别
2023-09-19 v3
摘要
尽管工业异常检测（AD）技术近年来取得显著进展，生成逼真异常与学习正常先验仍是具有挑战性的任务。本研究提出一种称为FractalAD的端到端工业异常检测方法。训练样本通过合成分形图像与正常样本的补丁获得。该分形异常生成方法旨在采样异常的全部形态。此外，我们设计了一种骨干知识蒸馏结构以提取正常样本中包含的先验知识。教师模型与学生模型之间的差异通过余弦相似度注意力模块转换为异常注意力。所提方法使端到端语义分割网络可用于异常检测，而无需向骨干与分割头添加任何可训练参数，并在训练与推理速度上相较其他方法具有明显优势。消融实验结果证实了分形异常生成与骨干知识蒸馏的有效性。性能实验结果表明，与其他最先进异常检测方法相比，FractalAD在MVTec AD数据集与MVTec 3D-AD数据集上取得了具有竞争力的结果。
引用
@article{arxiv.2301.12739,
title = {FractalAD: A simple industrial anomaly detection method using fractal anomaly generation and backbone knowledge distillation},
author = {Xuan Xia and Weijie Lv and Xing He and Nan Li and Chuanqi Liu and Ning Ding},
journal= {arXiv preprint arXiv:2301.12739},
year = {2023}
}
备注
12 pages, 5 figures