基于注意力机制和空洞金字塔池化的缺陷检测

来源：信息与控制杂志2024年第5期北京时间：

作者：魏金洋, 苑明哲, 曹飞道, 白海军, 王文洪

摘要：针对工业产品表面缺陷检测中特征重建精度低导致图像级、像素级、区域级误判率高的问题，提出了一种改进深度特征重建(deep feature reconstruction，DFR)的无监督缺陷检测方法。首先，在特征重建过程中引入跳跃连接，增强特征重建精度，提高模型对正样本特征的重建能力。其次，引入注意力机制，提升算法对缺陷区域的关注，并探索空间注意力对不同目标缺陷检测的影响。然后，在特征重建算法中引入空洞金字塔池化，在不增加参数量的情况下多尺度捕捉上下文信息，提高模型对不同尺寸缺陷的检测能力。最后，使用L2-SSIM(L2-结构相似性)损失函数约束特征重建，在保持像素相似性的基础上同时保留特征结构。基于MVTecad数据集的实验结果表明，所提算法的图像级检测精度、像素级检测精度和区域级检测精度分别为97.5%、97.2%和93.1%，均优于对比算法。

关键词：图像处理, 缺陷检测, 无监督学习, 注意力机制, 空洞金字塔池化