基于特征重建的知識(shí)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(duì)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(shí)別異常樣本的準(zhǔn)確率不高。針對(duì)這一問題，本研究提出了一種基于特征重建的知識(shí)蒸餾異常檢測方法。將師生網(wǎng)絡(luò)結(jié)構(gòu)反置之后進(jìn)行知識(shí)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(jí)的特征來提高可表示性，并使用改進(jìn)后的Transformer對(duì)合并后... （共11頁）