面向表面缺陷检测的正态参考注意力与缺陷特征感知网络
计算机视觉与模式识别
2023-01-16 v2 人工智能
摘要
视觉异常检测在工业自动化产品质量检测的发展中起着重要作用。由于正常与异常数据量极度不平衡，无监督缺陷检测方法受到越来越多的关注。尽管现有的基于重建的方法近年来已被广泛研究，但由于同质且非规则的表面纹理，为各种纹理表面缺陷检测建立鲁棒的重建模型仍是一项具有挑战性的任务。本文提出一种新颖的基于无监督重建的方法，称为正态参考注意力与缺陷特征感知网络（NDP-Net），以精确检测多种纹理缺陷。与大多数基于重建的方法不同，我们的NDP-Net首先采用编码模块提取表面纹理的多尺度判别特征，并通过提出的人工缺陷和新颖的像素级缺陷感知损失增强其缺陷判别能力。随后，提出一种新颖的基于参考的注意力模块（RBAM），利用固定参考图像的正常特征来修复缺陷特征并抑制缺陷的重建。接下来，修复后的特征被送入解码模块以重建正常的纹理背景。最后，引入新颖的多尺度缺陷分割模块（MSDSM）用于精确的缺陷检测与分割。此外，采用两阶段训练策略以提升检测性能。
引用
@article{arxiv.2211.10060,
title = {Normal Reference Attention and Defective Feature Perception Network for Surface Defect Detection},
author = {Wei Luo and Haiming Yao and Wenyong Yu},
journal= {arXiv preprint arXiv:2211.10060},
year = {2023}
}
备注
15pages