[发明专利]一种基于量子化自编码器的无监督缺陷检测方法

权利要求书

1.一种基于量子化自编码器的无监督缺陷检测方法，其特征是构建一个量子化自编码器用于缺陷检测，量子化自编码器包括编码网络、编码表和解码网络，

量子化自编码器对输入图像进行归一化预处理，将预处理后的图像输入编码网络中，映射得到中间特征图，并加上位置编码信息；然后将中间特征图中每个向量与编码表中的向量进行最邻近匹配，用最接近的向量对其进行替换，得到量化的特征图；将量化后的特征图输入到解码网络中，解码网络将特征图重新恢复成图片；使用无缺陷的训练样本图像训练量子化自编码器；

缺陷检测时，将待检测图像进行归一化预处理后输入训练好的量子化自编码器，对于原图和量子化自编码器重建的图片，判别和定位缺陷。

2.根据权利要求1所述的一种基于量子化自编码器的无监督缺陷检测方法，其特征是量子化自编码器具体为：

1)编码网络encoder：

输入编码网络的图像映射到一个潜在空间中，得到连续的编码向量z′_e:

z′_e＝encoder(x)

在编码器中加入位置编码position encoding，用位置信息来对特征进行约束，采用Transformer中的提出的Sinusoidal Position Encoding：

编码向量z′_e与位置编码相加共同组成最终的特征向量z_e；

2)构建编码表和向量量化：

构建一个容量为K的Embedding层，其中每个向量的维度均为64，将其随机初始化：

E＝[e₁,e₂,e₃...e_K]

对于1)中得到的特征向量z_e，通过最邻近搜索匹配这K个向量中最相似的向量，记为z_q，使连续的编码向量实现离散化；

3)解码网络decode：

将得到的编码向量z_q输入到解码网络中，解码网络对编码向量进行上采样并重建原图：

x′＝decoder(z_q)

其中，使用直通估计的方法，在前向传播时使用z_q进行计算，在反向传播时使用z_e计算梯度：

decoder(z_q)→decoder(z_e+sg[z_q-z_e])

sg表示不计算梯度，这样在前向传播时该式等价于decoder(z_q)，在反向传播时由于z_q-z_e不提供梯度，该式等价于decoder(z_e)。

3.根据权利要求2所述的一种基于量子化自编码器的无监督缺陷检测方法，其特征是编码网络由底层编码器和顶层编码器组成，编码器由若干卷积层、BN层和ReLU层组成的残差模块堆叠而成；

图像输入到编码网络后首先经过底层编码器被下采样四倍，得到底层特征图，然后通过顶层编码器进一步下采样两倍，得到顶层特征图，底层特征图和顶层特征图分别加上各自对应的位置编码，然后顶层特征图上采样两倍后与底层特征图合并，此处的特征图即编码网络的输出z_e，z_e为一个m×m×64的多维向量：

之后通过1×1卷积层将z_e的维度压缩到64，然后在向量字典中进行最邻近搜索来实现向量量化。

4.根据权利要求2所述的一种基于量子化自编码器的无监督缺陷检测方法，其特征是构建编码表和向量量化中，z_e中每个位置的向量都与向量词典e_k中的所有向量计算余弦距离，k∈(1...K)，并与向量词典中最接近的向量的索引进行替换，从而实现离散化: