先验正态提示Transformer用于多类工业图像异常检测
计算机视觉与模式识别
2024-06-18 v1
摘要
图像异常检测在工业检测中扮演着关键角色。传统方法通常需要为特定类别建立不同的模型，导致部署成本高昂。这引发了对多类异常检测的关注，即为多个类别开发一个统一的模型。然而，将传统方法（特别是基于重建的模型）直接应用于多类场景会遇到诸如恒等捷径学习等问题，阻碍了正常与异常实例的有效区分。为了解决这个问题，我们的研究引入了先验正态提示Transformer（PNPT）方法用于多类图像异常检测。PNPT策略性地融入了正常语义提示以缓解“恒等映射”问题。这需要将先验正态提示整合到重建过程中，从而产生一个双流模型。这种创新架构将先验正常语义与异常样本相结合，实现了基于先验知识和样本内在特征的双流重建。PNPT包含四个基本模块：类别特定正态提示池（CS-NPP）、层次化补丁嵌入（HPE）、语义对齐耦合编码（SACE）和上下文语义条件解码（CSCD）。在多样化基准数据集和实际工业应用上的实验验证，突显了PNPT在多类工业异常检测中的优越性能。
引用
@article{arxiv.2406.11507,
title = {Prior Normality Prompt Transformer for Multi-class Industrial Image Anomaly Detection},
author = {Haiming Yao and Yunkang Cao and Wei Luo and Weihang Zhang and Wenyong Yu and Weiming Shen},
journal= {arXiv preprint arXiv:2406.11507},
year = {2024}
}
备注
Accepted by IEEE Transactions on Industrial Informatics