计算机应用研究

作者：汪若琛,周毅,

单位：武汉科技大学人工智能与自动化学院,武汉430081；

关键词：异常检测,无监督,多尺度特征,动态界限界定信息,耦合注意力,

基金：国家自然科学基金资助项目(62372343)；；

工业生产中异常产品的识别是一项计算机视觉挑战，基于合成样本的无监督异常检测是当前研究的热点。针对缺乏跨层级响应优化、静态约束机制难适应对象边界变化和特征空间中特征相互耦合，难以建立紧致的分布边界等问题，提出一种集成重构与分割网络的无监督异常检测算法（boundary-aware guidance integration network，BGIN）。首先，在集成网络中依靠特征金字塔架构，实现多尺度特征协同优化；其次，设计动态界限界定信息的跨模态引导机制，形成重构网络与分割网络的协同优化范式；最后，构建对差异敏感的特征耦合架构，利用特征平行卷积层与双通道耦合注意力模块，强化异常区域的特征响应。在MVTecAD数据集上的实验表明，该算法在图像级与像素级AUC分别达到99.2%与97.8%，较最优合成方法JRCC-Net误检率降低55.5%，在复杂纹理与微小缺陷场景中均展现出显著优势。

来源：2025年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第12期