公开(公告)号：CN117456272A

公开(公告)日：2024-01-26

申请号：CN202311581835.6

申请日：2023-11-24

Applicant: 江南大学

Inventor： 罗海驰 ,  王顺峰 ,  李岳阳

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895 ,  G06V10/56 ,  G06V10/46

Abstract: 本发明公开了一种基于对比学习的自监督异常检测方法，包括：步骤S1：对待训练的正常样本使用FT显著性算法得到前景区域，然后在前景区域上使用CutPaste Plus方法生成全新的异常样本以及记录对应的异常区域标签；步骤S2：构建基于对比学习的自监督异常检测网络架构，输入正常样本和步骤S1得到的异常样本，并构建多个基于对比学习的代理损失优化网络参数；步骤S3：模型训练完成后，将待测试的图像输入网络中，得到测试图像中的缺陷区域。该方法能生成与真实工业场景的异常样本类似的异常样本，同时能自动生成缺陷区域标签；使网络能从自动生成的标签中学习更精确的映射关系，保留了2D‑Flow的轻量特性，表现出更高的检测准确性，更少的模型参数以及更快的推理速度。