一种语义分割辅助的单教师-多学生无监督异常检测方法.pdfVIP

第４２卷第３期计算机应用与软件Ｖｏｌ４２Ｎｏ．３

２０２５年３月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＭａｒ．２０２５

一种语义分割辅助的单教师多学生无监督异常检测方法

１２１１１２

焦震索浩银董翔宇朱涛李腾王子磊

１（国家电网安徽省电力有限公司检修公司安徽合肥２３００００）

２（中国科学技术大学先进技术研究院安徽合肥２３００００）

摘要为了改善目前常见的异常检测算法受到的异常数据难以获取以及繁多的异常类别之间数据不均衡的

制约，提出一种语义分割辅助的单教师多学生无监督异常检测算法。在知识蒸馏模型中使用多个学生网络参与

预测，根据多个学生网络的均值、方差等统计信息生成特征图，增强预测结果的稳定性与准确性；利用特征金字塔

的思想，提取多个尺度的视觉特征以提升模型检测不同尺度异常区域的能力；利用语义分割模型良好的边界提取

能力，引入语义分割网络对异常检测结果辅助修正。与现有的无监督异常检测算法相比，该方法能够更好地定位

与检测工业场景下的物体表面异常。

关键词异常检测无监督学习语义分割计算机视觉

中图分类号ＴＰ３９１文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２５．０３．０１２

ＳＩＮＧＬＥＴＥＡＣＨＥＲＡＮＤＭＵＬＴＩＳＴＵＤＥＮＴＵＮＳＵＰＥＲＶＩＳＥＤＡＮＯＭＡＬＹ

ＤＥＴＥＣＴＩＯＮＭＥＴＨＯＤＡＳＳＩＳＴＥＤＢＹＳＥＭＡＮＴＩＣＳＥＧＭＥＮＴＡＴＩＯＮ

１２１１１２

ＪｉａｏＺｈｅｎＳｕｏＨａｏｙｉｎＤｏｎｇＸｉａｎｇｙｕＺｈｕＴａｏＬｉＴｅｎｇＷａｎｇＺｉｌｅｉ

１（ＭａｉｎｔｅｎａｎｃｅＣｏｍｐａｎｙ，ＳｔａｔｅＧｒｉｄＡｎｈｕｉＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏ．，Ｌｔｄ．，Ｈｅｆｅｉ２３００００，Ａｎｈｕｉ，Ｃｈｉｎａ）

２（ＩｎｓｔｉｔｕｔｅｏｆＡｄｖａｎｃｅｄＴｅｃｈｎｏｌｏｇｙ，ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ，Ｈｅｆｅｉ２３００００，Ａｎｈｕｉ，Ｃｈｉｎａ）

ＡｂｓｔｒａｃｔＩｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｒｅｓｔｒａｉｎｔｔｈａｔｃａｕｓｅｄｂｙｔｈｅｄｉｆｆｉｃｕｌｔｙｏｆｏｂｔａｉｎｉｎｇａｂｎｏｒｍａｌｄａｔａａｎｄｔｈｅｉｍｂａｌａｎｃｅ

ｏｆｄａｔａａｍｏｎｇｖａｒｉｏｕｓａｂｎｏｒｍａｌｃａｔｅｇｏｒｉｅｓｆｏｒｃｕｒｒｅｎｔｃｏｍｍｏｎａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａ

ｓｅｍａｎｔｉｃｓｅｇｍｅｎｔａｔｉｏｎａｓｓｉｓｔｅｄｓｉｎｇｌｅｔｅａｃｈｅｒａｎｄｍｕｌｔｉｓｔｕｄｅｎｔｕｎｓｕｐｅｒｖｉｓｅｄａｎｏｍａｌｙｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ．Ｍｕｌｔｉｐｌｅ

ｓｔｕｄｅｎｔｎｅｔｗｏｒｋｓｗｅｒｅｕｓｅｄｉｎｔｈｅｋｎｏｗｌｅｄｇｅｄｉｓｔｉｌｌａｔｉｏｎｍｏｄｅｌｔｏｐａｒｔｉｃｉｐａｔｅｉｎｐｒｅｄｉｃｔｉｏｎｔｏｇｅｔｈｅｒ，ａｎｄｇｅｎｅｒａｔｅｄｔｈｅ

ｆｅａｔｕｒｅｍａｐｓｔｈｒｏｕｇｈｓｔａｔｉｓｔｉｃａｌｉｎｆｏｒｍａｔｉｏｎｓｕｃｈａｓｔｈｅｍｅａｎａｎｄｖａｒｉａｎｃｅｏｆｍｕｌｔｉｐｌｅｓｔｕｄｅｎｔｎｅｔｗｏｒｋｓｔｏｅｎｈａｎｃｅｔｈｅ

ｓｔａｂｉｌｉｔｙａｎｄａｃｃｕｒａｃｙｏｆｔｈｅｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓ．Ｂｙｕｓｉｎｇｔｈｅｉｄｅａｏｆｆｅａｔｕｒｅｐｙｒａｍｉｄｓ，ｔｈｅｍｅｔｈｏｄｅｘｔｒａｃｔｅｄｍｕｌｔｉｐｌｅ

ｓｃａｌｅｓｏｆｖｉｓｕａｌｆｅａｔｕｒｅｓｔｏｉｍｐｒｏｖｅｔｈｅｍｏｄｅｌｓａｂｉｌｉｔｙｔｏｄｅｔｅｃｔａｂｎｏｒｍａｌｒｅｇｉｏｎｓｏｆｄｉｆｆｅｒｅｎｔｓｃａｌｅｓ．Ｂｙｕｓｉｎｇｔｈｅ

ｂｏｕｎｄａｒｙｅｘｔｒａｃｔｉｏｎ