融合自注意力与缺陷凸显的缺陷检测方法

针对无监督缺陷检测中重建网络在抑制异常重建的同时无法保留正常区域细节信息的问题,提出了一种融合自注意力 与缺陷凸显的缺陷检测方法。 首先,在重建网络中引入离散小波变换(DWT)进行下采样, 并使用离散小波逆变换( IDWT)进 行上采样。 相较于传统重建网络,这种方法能减少细节信息的丢失,并对特征进行频率分解。 同时,在跳连接中加入自注意力 模块对特征重新编码,使其重点关注正常区域的细节信息。 此外,设计了一个缺陷区域凸显模块,利用正常样本特征构建特征 库,将从测试图像提取的特征与特征库中特征对比得到异常图,将异常图与重建差值图相结合来改善缺陷定位结果。 在工业缺 陷检测数据集 MVTec AD 上进行测试,在图像级 AUROC 上取得了 99. 3%的结果,同时在像素级 AUROC 上取得了 98. 3%的结 果,在无监督缺陷检测中具有较高的检测精度和鲁棒性。