基于社区注意力的特征重构方法在图像异常检测与定位中的应用
《ACM Transactions on Multimedia Computing, Communications, and Applications》:Neighborhood Attention-based Feature Reconstruction for Image Anomaly Detection and Localization
【字体:
大
中
小
】
时间:2026年01月19日
来源:ACM Transactions on Multimedia Computing, Communications, and Applications
编辑推荐:
该研究提出基于邻域注意力机制的特征重建方法(NAFRAD)用于图像异常检测与定位,解决数据稀缺、低可见度及不规则缺陷问题。通过NA机制整合局部细节与全局上下文,构建自编码器精确定位异常,在MVTec AD数据集(15类,5354张图像)上取得最佳性能,AUROC达99.02%,AP为79.40%,优于现有方法3.6%和0.89%。
摘要 摘要要查看此由人工智能生成的摘要,您必须具有高级访问权限。
摘要 摘要 随着机器视觉技术的进步,在广泛的质量控制场景中需要自动化的视觉检测系统。本文提出了一种基于邻域注意力的特征重建方法(NAFRAD),用于图像异常检测和定位。为了解决数据稀缺、可见性低以及无监督异常检测中缺陷形状不规则等问题,我们引入了一种特征重建框架,该方法侧重于保留高层次的抽象特征,而不是像素级别的重建。通过利用邻域注意力(NA)机制,该方法同时捕捉局部细节和全局上下文,从而提高了模型的鲁棒性和泛化能力。基于NA的自编码器通过聚合局部归纳偏差和平移等变性来重建正常特征,实现了精确的异常定位。在包含15个类别和5,354张图像的MVTec异常检测(MVTec AD)数据集上进行的广泛实验表明,NAFRAD具有出色的性能:AUROC为99.02,AP为79.40,比现有方法在AP上高出3.6%,在AUROC上高出0.89%。该框架的有效性通过消融研究、特征重建可视化以及与八种领先的无监督方法的比较得到了验证。代码可在
https://github.com/Math-Computer/NAFRAD 获取。
摘要 要查看此由人工智能生成的通俗语言摘要,您必须具有高级访问权限。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号