基于门控注意力的知识蒸馏异常检测方法OA

针对知识蒸馏在无监督异常检测任务中逻辑异常检测能力不足的问题,提出了一种基于门控注意力的知识蒸馏网络。该网络的思想是通过引入异常特征限制模块对学生网络的异常特征进行多层次限制,使其专注于正常特征的学习,并利用特征压缩模块动态调整全局特征权重,以及通过多尺度特征聚合模块联合浅层与深层特征,同时动态调整局部特征权重,从而在保证结构异常检测的基础上提升逻辑异常的检测性能。实验结果表明,该方法在基准数据集MVTec AD的像素级平均准确率达到98.52%。