基于改进学生-教师网络的异常检测算法

摘要

为了解决工业场景中的图像异常检测和定位困难的问题，提出一种基于改进学生-教师网络的异常检测算法。首先，增加教师网络的深度以提升网络的性能，通过从合成的异常图像中学习教师网络特征训练去噪学生网络。其次，训练一个注意力引导的分割网络自适应地融合多层次的学生-教师特征，并在合成异常掩码的监督下进行训练。最后，在推理阶段加入剪枝操作，提高异常检测的准确性。在工业检测基准数据集上的实验结果表明，该算法具有较高的异常检测准确性，在图像级接受者操作特征曲线下面积(Area Under the Receiver Operating Characteristic Curve, AUC)达到了99.04%,在像素级平均精度为75.83%,在实例级平均精度为77.95%。

关键词

图像异常检测 / 学生-教师网络 / 注意力机制 / 分割网络 / 去噪