面向工业品缺陷检测的对比表示学习.pdfVIP

://

httwww．skx．com

pjj

:/

DOI１０．１１８９６skx．２４０１００２０２

jj

面向工业品缺陷检测的对比表示学习

罗航宇王小平梅萌赵文豪刘思纯

同济大学电子与信息工程学院上海

２０００９２

()

lh１２３＠toni．edu．cn

ygj

,,、.

摘要在大规模制造业中缺陷检测旨在发现有缺陷的零部件如损坏错位的和存在印刷错误的部件等由于缺陷类型未

,.,

知以及缺陷样本短缺工业品缺陷检测面临着极大的挑战为克服上述困难一些方法利用来自自然图像数据集的通用视觉表

,.,,

示提取广义特征来进行缺陷检测然而提取到的预训练特征与目标数据之间存在分布差异直接使用该特征会导致检测性

.,.

能不佳因此提出了一种基于对比表示学习的方法ConPatch该方法采用对比表示学习来收集相似特征或者分离不相似特

,.,

征从而学习面向目标的特征表示为了解决缺乏缺陷标注的问题将数据表示之间的两种相似性度量即成对相似度和全局相

.,,,

似度作为伪标签此外采用了轻量化的内存库仅将全部正常样本即全部无缺陷样本的特征中心存储到内存库中从而减小

.,,,.

了空间复杂度和内存库的尺寸最后将正常特征拉近至一个超球面内而缺陷特征则分布在超球面外以此来聚集正常特征

,,

实验结果显示在工业品缺陷检测数据集中基于的模型的和分

MVTecADWideＧResNet５０ConPatchIＧAUROCPＧAUROC

别达到和.在数据集中,模型的和分别达到和.上述

９９．３５％９８．２６％VisAConPatchIＧAUROCPＧAUROC９５．５０％９８．２１％

结果验证了模型的有效性.

:;;;;

关键词工业品缺陷检测对比表示学习相似性度量内存库超球面

中图分类号