基于特征重建的知識蒸餾異常檢測方法（英文）

摘要： 近年來，異常檢測在工業(yè)生產(chǎn)中備受關(guān)注。傳統(tǒng)的異常檢測方法通常依賴于對樣本的直接比較，往往忽略了樣本之間的內(nèi)在關(guān)系，導(dǎo)致識別異常樣本的準確率不高。針對這一問題，本研究提出了一種基于特征重建的知識蒸餾異常檢測方法。將師生網(wǎng)絡(luò)結(jié)構(gòu)反置之后進行知識蒸餾，避免師生網(wǎng)絡(luò)具有相同的輸入和相似的結(jié)構(gòu)。通過使用特征拼接統(tǒng)合不同層級的特征來提高可表示性，并使用改進后的Transformer對合并后... （共11頁）