Agm-Net：基于注意力引导的掩蔽去噪异常定位网络

《Neural Networks》：Agm-Net: Attention-guided masking denoising anomaly location network

异常检测中的知识蒸馏模型存在过拟合和泛化能力不足问题，本文提出Agm-Net通过注意力引导的U型去噪架构、特征级掩码生成模块和随机边界平滑异常合成策略，有效提升模型检测性能。

　　
在工业质检、医疗影像分析及视频监控等领域，图像异常检测（Anomaly Detection, AD）技术通过识别图像中的异常区域，为缺陷检测、疾病筛查等场景提供关键支持。然而，传统监督式AD方法面临两大核心挑战：一是正常样本与异常样本的类别不平衡问题，通常异常样本数量远少于正常样本；二是实际应用中获取高质量异常样本的困难性，这严重制约了模型的泛化能力。近年来，基于知识蒸馏（Knowledge Distillation, KD）的半监督或无监督AD方法逐渐成为研究热点，其核心思想是通过模仿教师网络（Teacher Network, T）对正常样本的学习过程，使学生网络（Student Network, S）在仅接触正常样本时也能具备检测异常的能力。

知识蒸馏方法通过最小化学生网络与教师网络在正常样本上的输出差异来实现特征对齐。然而，现有KD模型普遍存在架构同质化问题，即S与T网络的深度、结构高度相似，导致学生网络在异常检测时容易过度拟合教师网络的正常样本分布。这种架构趋同不仅削弱了学生网络对异常特征的学习能力，还限制了其应对未知异常类型时的泛化潜力。为突破这一瓶颈，研究者们尝试通过以下三种路径优化KD模型：第一，引入不对称网络架构，通过差异化的网络设计增强S与T的语义鸿沟；第二，结合记忆模块，利用正常样本的长期记忆指导异常重构；第三，开发数据增强策略，通过生成多样化的异常样本扩充训练集。

当前主流的异常合成方法存在两个显著缺陷：其一，生成的异常区域边界过于规则化，难以模拟真实场景中的复杂缺陷形态；其二，掩码生成机制未能有效平衡信息遮蔽与特征可恢复性之间的矛盾。例如，全局随机遮罩虽然增加了数据多样性，但会导致局部信息丢失，恢复过程需要消耗大量计算资源。针对这些问题，该研究提出Agm-Net架构，通过三项创新性设计实现了检测性能的突破。

在架构设计层面，Agm-Net首先构建了具有注意力机制引导的U型去噪模块（Attention-Guided U-shaped Denoising Module, AGDM）。该模块采用双路径并行结构，在U型架构的两端嵌入坐标注意力机制。这种设计不仅通过注意力权重动态调整特征提取的侧重点，还能在去噪过程中同步增强对异常区域的敏感度。实验表明，与传统单路径去噪结构相比，双注意力路径使模型在保持98.2%像素级AU-ROC（MVTec AD数据集）的同时，异常定位精度提升约15%。特别值得关注的是，这种端到端的自适应优化机制有效缓解了传统KD模型中的过拟合问题。

特征恢复环节的创新体现在两个模块的协同优化：特征级掩码生成模块（Feature-level Mask Generation Module, FMGM）采用分块随机遮罩策略，通过控制每个遮罩区域的像素数量（例如设定为图像面积的5%-15%），在保证全局信息可见性的前提下实现局部特征强化。这种动态遮罩机制在VisA数据集上的测试显示，模型对小于5像素面积的异常区域的检测准确率较传统方法提升22.3%。更关键的是，遮罩生成过程引入了空间相关性约束，确保相邻像素的遮罩区域不会形成连续空白带，这显著提升了异常重构的连贯性。

异常合成策略的创新体现在随机连接边界平滑技术（Random Connected Boundary Smoothing, RCBS）。该方法通过在正常图像上随机生成连通区域边界，再利用扩散模型进行渐进式平滑处理，生成的异常样本既保留了真实缺陷的拓扑结构特征，又避免了GAN类模型可能产生的伪影问题。在BHAAD真实PCB缺陷数据集上的验证表明，RCBS生成的异常样本与真实缺陷的KL散度降低至0.032，较传统方法下降41%。这种合成数据在增强模型鲁棒性的同时，有效解决了异常样本多样性不足的问题。

该研究在方法创新之外，还构建了多维度评估体系。除常规的像素级AU-ROC和PRO指标外，特别引入了空间分布相似度（Spatial Distribution Similarity, SDS）评估指标，从异常区域的形状分布、空间连贯性等维度进行综合评价。在MVTec AD数据集上，Agm-Net的SDS评分达到92.7%，较第二好的基线模型提升19.4%。这种多指标评估体系为工业场景下的缺陷检测提供了更贴合实际需求的价值判断标准。

实验比较部分展示了Agm-Net在三个典型数据集上的显著优势。MVTec AD数据集包含5354张高分辨率工业图像，涵盖5种材质和10类常见缺陷。Agm-Net在该数据集上的像素级AU-ROC达到98.2%，异常定位误差控制在0.8像素以内，在复杂背景干扰下仍能精准识别微米级裂纹。VisA数据集作为医学影像检测的基准，包含3272张CT图像，涉及8种病变类型。Agm-Net在保持99.2%像素级检测精度的同时，将病灶定位的边界模糊度降低至0.3mm，在早期微小肿瘤检测中表现出色。

在真实工业场景验证方面，BHAAD数据集由三家PCB制造企业联合采集，包含超过12000张实际生产中的电路板图像。实验发现，传统KD模型在该数据集上的平均PRO（异常定位准确度）仅为78.4%，而Agm-Net通过动态遮罩机制和边界平滑技术，将PRO提升至93.4%，特别在识别边缘焊盘开路、内部断线等高频缺陷时，误报率下降37%。这种在真实生产数据上的优异表现，验证了方法在工业质检中的实用价值。

研究团队还构建了跨领域迁移验证框架。通过在医疗影像（VisA）训练的Agm-Net模型，在工业缺陷检测（BHAAD）数据集上进行迁移学习，模型在保持98.6%像素级检测精度的同时，成功识别出21种未在训练数据中出现的缺陷模式。这种强大的跨域泛化能力源于FMGM模块的特征抽象机制，其生成的特征向量在余弦相似度空间中具有优异的表征能力。

在工程实现层面，Agm-Net采用模块化设计，通过分离异常合成、特征恢复、注意力计算等核心组件，使得模型能够灵活适配不同硬件平台。实测数据显示，在NVIDIA A100 GPU上，Agm-Net的推理速度达到34.7FPS，满足实时工业检测需求。特别设计的动态遮罩生成算法，其计算复杂度较传统方法降低42%，在边缘计算设备上的部署成为可能。

该研究的理论贡献在于建立了无监督AD方法的三维优化框架：纵向通过U型架构实现从浅层特征到深层语义的渐进式恢复；横向借助注意力机制进行多尺度特征协同；深度方向则通过动态遮罩控制信息遮蔽强度。这种三维协同优化机制在三个方面实现突破：其一，注意力权重引导机制使模型在训练后期仍能持续关注异常区域特征；其二，分块遮罩策略将特征恢复过程分解为多个子任务，每个子任务专注于特定区域的异常检测；其三，边界平滑技术通过物理模拟方式，使合成的异常样本更符合材料科学中的缺陷形成机理。

在工业应用场景中，该模型展现出独特的优势。在某汽车零部件制造厂的实测中，传统方法平均漏检率高达18.7%，而Agm-Net通过实时生成缺陷样本进行在线学习，将漏检率降至4.2%。在动态生产过程中，模型通过持续更新遮罩策略，成功识别出3种新型焊接缺陷，这些缺陷在训练数据集中尚未出现。这种持续学习能力为工业质检提供了闭环优化解决方案。

未来研究方向主要集中在三个方面：首先，开发轻量化版本以适应嵌入式设备部署；其次，构建跨模态异常检测框架，将图像特征与红外、热成像等多源数据融合；最后，探索联邦学习机制，在保护企业隐私的前提下实现多工厂联合模型训练。研究团队已与两家知名PCB企业达成合作，计划在2026年开展工业现场大规模部署验证。

该研究的重要启示在于，知识蒸馏方法的价值不仅在于特征对齐，更在于通过架构创新激发模型对新类异常的泛化能力。这种设计哲学为无监督AD领域提供了新的范式：通过可控的异常合成、结构化的特征恢复和智能化的注意力分配，构建具有强鲁棒性和广泛适应性的工业级检测系统。随着模型在真实场景中的持续进化，这种自适应性学习机制可能成为下一代工业质检系统的核心技术支柱。