本发明公开了一种基于知识蒸馏的无监督工业图像异常检测方法及系统,属于工业图像处理技术领域。包括训练和测试两个阶段,由多尺度知识蒸馏与多尺度异常融合组成,多尺度知识蒸馏包含教师网络、学生网络,使用自适应难例挖掘动态挖掘难例样本,使用难例样本间的像素、上下文相似度优化学生网络。在训练阶段仅利用正常的工业图像,进行教师网络到学生网络的知识蒸馏,对学生网络参数进行迭代优化,使学生网络与教师网络提取的正常工业产品图像深度特征相似;在测试阶段,分别提取测试图像的深度特征,特征之间的回归误差可用于图像异常分割与检测。本方法有效提升无监督工业图像异常检测的性能,降低人工成本,提高产线质检自动化、智能化水平。
声明:
“基于知识蒸馏的无监督工业图像异常检测方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)