首页|基于秩正则几何变换的无监督字符缺陷检测

基于秩正则几何变换的无监督字符缺陷检测

Unsupervised Character Defect Detection Based on Rank-regularized Geometric Transformations

扫码查看
原文链接
  • 维普
  • 万方数据
针对基于几何变换(GT)的异常检测忽略了特征紧凑性,难以准确区分高度相似的合格与缺陷字符的问题,定义秩正则损失鼓励紧凑特征表达,提出基于秩正则几何变换(RRGT)的字符缺陷检测算法.无监督异常检测仅使用正常样本(合格字符)作为训练集,RRGT对训练样本进行不同类型的几何变换.定义秩正则损失训练网络模型识别正常样本的变换类型.秩正则迫使同类变换的特征矩阵具有较小的秩,从而鼓励特征紧凑性.推理阶段使用网络预测施加在新样本上的变换类型.由于网络未使用异常样本(缺陷字符)训练,网络对异常样本的预测不确定性高,由不确定性可以检出异常样本.在旺旺牛奶盒喷点字符上的实验表明:相比GT,RRGT大幅提升了网络对缺陷字符预测不确定性的识别能力,缺陷检测的AUC值提高了 4.8％.

character defect detectionunsupervised anomaly detectiongeometric transformationconvolutional neural networkrank regularization

苗相彬、罗建桥、李柏林

展开 >

西南交通大学机械工程学院,四川成都 610031

字符缺陷检测 无监督异常检测 几何变换 卷积神经网络 秩正则

四川省科技计划重点研发项目

2021YFN0020

2023

10.19344/j.cnki.issn1671-5276.2023.05.030

机械制造与自动化
南京机械工程学会 南京机电产业（集团）有限公司

机械制造与自动化

CSTPCD
影响因子：0.29
ISSN：1671-5276
年,卷(期)：2023.52(5)
  • 8