97国际网络闪灼CVPR 2024，外观异常检测计划斩获天下认可！

宣布时间：2024-06-21

克日，97国际网络在“视觉异常检测和立异性检测2024挑战赛”(Visual Anomaly and Novelty Detection 2024 Challenge，简称VAND)的少样本逻辑/结构异常检测赛道(VAND 2.0赛道2)中荣获第二名，并在盘算机视觉顶级聚会CVPR 2024上展示了这一效果，与来自天下各地的顶尖研究者举行“西岳论剑”。这一效果标记着97国际网络的外观异常检测计划在业内的领先水平和手艺立异能力获得了天下权威机构的高度认可。

VAND 2.0 赛道2排行榜

97国际在VAND2.0赛道取得佳绩

VAND挑战赛旨在将视觉异常检测与工业异常检测场景越发细密地团结起来，这在现实中有普遍的应用。今年是该挑战赛第二次举行。VAND挑战赛的优胜者被受邀加入CVPR 2024的展示。该挑战赛设置了2个赛道：

赛道1 — Adapt & Detect: Robust Anomaly Detection in Real-World Applications

赛道2 — VLM Anomaly Challenge: Few-Shot Learning for Logical and Structural Detection

此次97国际网络团队加入的即为赛道2。

CVPR，英文全称IEEE/CVF Computer Vision and Pattern Recognition Conference ，是由IEEE盘算机协会和盘算机视觉基金会(Computer Vision Foundation，CVF)配合主理，是一年一度的全球盘算机视觉领域与模式识别领域最顶尖的学术聚会。其与ECCV(European Conference on Computer Vision)、ICCV(IEEE/CVF International Conference on Computer Vision)一起并称为盘算机视觉领域的三大最高级别的顶级聚会。

CVPR 2024于6月17-21日在美国西雅图举行

视觉异常检测手艺：

工业制造领域的革命性前进

在当今工业制造领域，视觉异常检测手艺作为盘算机视觉领域的主要研究偏向，正以其奇异的优势和普遍的应用远景，逐渐成为行业关注的焦点。这项手艺在工业外观质量检测、产品零件装置检测等多个领域展现出重大的潜力，知足了日益增添的需求。

97国际网络团队在CVPR 2024聚会上举行了名为《Segment-aligned Features Impose Logical Constraints》的主题演讲，展示了在异常检测算法上的最新希望。

97国际网络团队演讲主题

工业异常检测场景中，保存种种重大的异常类型。展示中，97国际网络团队展示了工业产线上异常检测场景的两大类问题：结构异常(Structrual Anomaly)与逻辑异常(Logical Anomaly)，以及怎样在只有少量正常样本的情形下解决这两类问题。

97国际·(中国区)集团官方网站

左：正常图像；中：结构异常（橘子皮破损）；右：逻辑异常（统一格子中食物安排的比例差池）

图中蓝色和红色位置为异常区域

1.结构异常到逻辑异常的效果提升

“以前，我们总是关注外观上的瑕疵。”聚会主持Paul Bergmann说到，“但现在，那些逻辑上的异常成为效果提升的要害。”在VAND 2.0的数据集中，也设置了许多逻辑异常相关的难题数据。

所谓逻辑异常，指的是泛起在过失位置的准确物品，这类物品往往没有肉眼可见的瑕疵，可是，在质量检测中，这类物品也应该被检出异常，阻止这类残破品流向市场。在2024年高考中，就泛起了一次本可以阻止的事故。

6月7日，2024年天下高考首日，语文科目在上午9点到11点半举行了考试。7日中午，在语文科目考试竣事后，有网友爆料在海南省语文考试中，没有发放条形码。对此，海南省考试局相关事情职员体现，条形码因印刷有误没有发放，但不会影响后续的考试和判分事情。

在上述事务中，若是在印刷后能够磨练条形码是否有异常，类似的问题就不会爆发。

虽然古板的基于特征的异常检测算法较量善于解决结构异常检测问题，但无法很好地解决逻辑异常检测问题。

古板的基于特征的异常检测算法能够有用检测出结构异常左图：原始图像；中：异常位置；右：算法识别的异常热力争（越高亮异常度越高）

古板的基于特征的异常检测算法能够有用检测出结构异常

左图：原始图像；中：异常位置；右：算法识别的异常热力争（越高亮异常度越高）

古板的基于特征的异常检测算法无法检测出结构异常左图：原始图像；中：异常位置；右：算法识别的异常热力争（越高亮异常度越高，可以看到热力响应较�。�

古板的基于特征的异常检测算法无法检测出结构异常

左图：原始图像；中：异常位置；右：算法识别的异常热力争

（越高亮异常度越高，可以看到热力响应较�。�

随着异常检测算法被应用在越来越多的工业质检领域，一些类似包括逻辑异常的场景不可阻止，这对算法提出了更高的要求。

2.少样本训练的本钱优化

你能一眼看出下面异常图片上的异常在哪吗？

正常图片异常图片正常图片异常图片

这个简朴的例子可以看出，人类能够在完全没看过、或者仅仅看过少量的同类图片后，就形成异常的看法。这时间若是给人类一张新图，他们能准确地区分这张图片是否保存异常。

然而机械往往需要大宗同类图片的训练，才华区分正常和异常。训练模子通�；岽粗卮蟮谋厩湍芎奈侍�，业界急切盼愿解决这个问题。随着大模子的泛起，越来越多的使命可以被寥寥几张训练图片解决。相关的计划也泛起在了异常检测上。

3.97国际团队的要领——SegmentAD

97国际网络团队基于上述效果与本钱的双重思量，提出了一种基于掩码的异常检测计划，SegmentAD。这个计划乐成在少样本学习中应用语义支解与对齐算法，并提出了一种高效的特征融合计划，最终在结构异常和逻辑异常检测上都体现出了优异的效果。

SegmentAD

3.1在训练场景，SegmentAD首先将图片上的物体逐像素提取出来，每一个像素，SegmentAD都知道它属于哪个物体。同时，差别图片之间，SegmentAD会对齐物体的界说。通过这样的逐像素提取，SegmentAD获得了图片上物体的位置和面积等信息，这类信息与逻辑异常直接相关——若是某个物体的面积爆发转变或者位置不准确，那么这个物体一定是一个异常物体。同时，SegmentAD参考古板的基于特征的要领，将图像的其它特征基于预训练大模子提取出来，这些特征可以直接用来发明结构异常——若是有一个特征与别的特征差别较大，那么它很可能是个结构异常特征。

3.2在测试场景，SegmentAD会剖析图片上的物体是否在准确的位置，拥有准确的面积，以及是否可以拥有正常的特征。SegmentAD将这些信息统合起来并举行定量剖析，最终得出这个图片是否是异常的结论。

通过定量指标，97国际网络团队展示了SegmentAD在竞品算法中的先进性。

SegmentAD算法

97国际网络通用外观检测（GAOI）产品

众所周知在工业生产，尤其在纺织业，产品外观是最直观、最容易验收的指标。瑕疵不但影响雅观、甚至还影响清静和使用。因此在生产中，质检环节是影响产品质量的要害因素之一。现在业内照旧主要以人工检测为主，保存以下弱点：

（1）劳动强度大，检测速率慢，检测效率低。

（2）检测职员主观因素影响大，漏检率高。

（3）人工本钱较高，培训周期长，且流动性大。

（4）长时间的高强度事情倒运于工人身体康健。

在现实生产线上，人工通常只能检出40%~60%的瑕疵，磨练环节成了生产历程中的瓶颈，因此急需一个稳固、可靠、高效、智能的自动化检测系统来改变这一时势。

97国际网络在该领域深耕多年，基于自主研发和设计的通用异常检测视觉算法，推出了智能织带外观检测机、智能验布机等GAOI产品，打造开箱即用的异常检测软硬一体计划。现在97国际网络已和海内多家织带龙头企业告竣合作，资助了众多工厂打造智能产线，包管交付质量，提升品牌定位。

97国际智能织带外观检测机产品先容

97国际智能验布机产品先容

综上所述，视觉异常检测手艺作为工业制造领域的主要研究偏向，具有主要的适用价值和辽阔的应用远景。通过引入人工智能手艺，可以实现自动化的异常检测，提高生产效率和产品质量，关于工业生产历程中的质量控制和清静包管具有主要意义。面向未来，97国际网络将继续在手艺立异的蹊径上一直前行，始终坚持以客户为中心，用领先的手艺赋能产品，让科技改变人类生产、生涯的方方面面。

关注97国际