COPE:面向多类工业视觉异常检测的类正交原型嵌入
《Expert Systems with Applications》:COPE: Class-Orthogonal Prototype Embedding for Multi-class Industrial Visual Anomaly Detection
【字体:
大
中
小
】
时间:2026年10月21日
来源:Expert Systems with Applications 9.4
编辑推荐:
•COPE将"一对一"基线方法适配为统一的多类别异常检测。•类正交原型减少了共享特征中的类间干扰。•COPE在训练后被移除,保留了原始的推理流程。•COPE在I-AUROC/P-AUROC/PRO上分别带来5.37/3.65/7.38个点的平均提升。
**引言**
无监督
•COPE将"一对一"基线方法适配为统一的多类别异常检测。•类正交原型减少了共享特征中的类间干扰。•COPE在训练后被移除,保留了原始的推理流程。•COPE在I-AUROC/P-AUROC/PRO上分别带来5.37/3.65/7.38个点的平均提升。
**引言**
无监督异常检测已成为工业质量检测中的关键技术(Cao, Xu, Zhang, Cheng, Huang, Pang, & Shen, Zhong, Qiu, Zhao, Huang, Liu, Xiao, 2025)。现有的大多数工业UAD方法采用"一对一"范式(Li, Tan, Chen, Zhang, Zhang, Guo, Jiang, Chen, Qu, Ma, Xie, 2025, McIntosh, Albu, 2025, Yao, Chen, Gao, Zhai, Zhang, 2024b, Zhang, Li, Li, Huang, Shan, Chen, 2023)。在该范式中,每个产品类别都需要单独训练和部署一个异常检测模型。这种设置通常受益于类别特定的正常性建模,能够取得较强的检测精度。然而,随着生产线上产品类别数量的增加,部署模型的数量呈线性增长。训练、存储和模型更新的成本也随之增加。这些局限性促使了"一对全部"范式的研发(Gao, 2025, Guo, Lu, Zhang, Chen, Li, Liao, 2025, Lee, Kim, Park, Woo, Ko, 2025)。该范式使用单个共享模型来覆盖多个类别,从而降低了维护成本并提高了部署效率。
现有的"一对全部"UAD方法主要分为三类。第一类直接复用"一对一"流程,在包含多类训练数据的合并训练集上训练单个共享模型,该训练集仅包含正常样本(Fan, Huang, Di, Su, Song, Pagnucco, Song, 2025, Zhang, He, Gan, He, Cai, Xue, Wang, Wang, Xie, Liu, 2025)。然而,"一对一"方法无法直接使用类别信息。因此,单个共享模型必须将多个产品类别的正常表示编码到同一特征空间中,这增加了共享特征学习中的类间干扰(Guo, Lu, Zhang, Chen, Li, Liao, 2025, He, Jiang, Peng, Zhu, Liu, Du, Hu, Chi, Wang, Wang, 2025)。模型将不同类别的正常表示拉近,抑制了类间差异,同时扩大了类内分散度以适应多样的正常模式。如图1(a)所示,这种干扰导致基线方法中出现严重的类别混合,不同类别相互重叠且边界模糊。这表明跨类别的正常表示高度纠缠。这种纠缠削弱了类别特定正常表示的可分性,使得更难区分"类别变化"和"真实异常"。模型倾向于学习跨类别的相似表示,这可能会掩盖异常线索并导致漏检。因此,"一对一"模型的强检测性能无法直接迁移到"一对全部"设置中。
第二类构建了专用的统一架构以实现"一对全部"UAD。虽然这些方法可以实现较强的性能,但此类性能增益可能伴随着更大的网络规模或更高的推理开销(He, Zhang, Chen, Chen, Li, Chen, Wang, Wang, Xie, 2024b, Lin, Lai, 2025, You, Cui, Shen, Yang, Lu, Zheng, Le, 2022)、对离线生成的提示的依赖从而降低部署灵活性(Gao, 2024, Gao, 2025),或需要专用内核和自定义实现(He, Bai, Zhang, He, Chen, Gan, Wang, Li, Tian, Xie, 2024a, Zou, Gao, Yang, Liu, 2024)。这些因素可能会增加训练、推理和实际集成的整体复杂度。
为了更好地适应部署约束,第三类方法在保持标准"一对一"骨干网络结构的同时追求性能提升。考虑到统一训练可能会忽略正常样本的原始类别信息,从而加剧类间混淆,Fan等人(2025)提出了类感知对比学习。作为该类的代表性研究工作,CCL在标准重建流程中增加了一个用于类别分离的辅助模块。与专用的"一对全部"架构相比,CCL保留了大部分原始"一对一"骨干网络结构,避免了推理流程或专用算子实现的大幅变更。这使得它与现有工业部署流程具有较高的兼容性。然而,CCL主要是为基于重建的模型设计的,其对基于合成的方法的直接适用性有限。同时,这一部署优势伴随着训练端的权衡,因为CCL依赖于密集的空间特征匹配和成对对比构建(Liu et al., 2023a),这增加了训练成本。这些权衡凸显了需要在保持原始推理流程的同时,开发一种轻量级的类别分离机制,以在统一训练下提升类别感知的表示学习。
传统的类别分离策略结合中心损失和对比损失来提升类内紧凑性和类间分离度(Lezama, Qiu, Musé, Sapiro, 2018, Ranasinghe, Naseer, Hayat, Khan, Khan, 2021)。然而,这些目标主要依赖于样本到中心的紧凑性和固定边距的样本对分离。现有的自适应边距研究表明,不同的类别对可能需要不同的类间边距(Li et al., 2020)。在工业检测中,不同类别对之间的类间混淆程度各不相同,因此固定边距是不够的。
为解决这些问题,COPE引入了原型学习并采用了原型对齐目标,其中每个类别由一个可学习原型表示,每个样本通过softmax目标与所有类别原型进行比较。与样本到样本的约束相比,这种样本到类别的比较避免了计算密集的成对比较,同时为每个样本提供了全局类别参考(Saadabadi, Dabouei, Malakshan, & Nasrabadi, 2024)。它增加了样本与其对应类别原型之间的相似度,同时抑制了与其他类别原型的相似度,从而同时提升了类内紧凑性和类间判别力。然而,基于原型的softmax对齐主要优化了样本到类别的相对相似度,并未显式地对不同类别原型之间施加几何分离结构(Ranasinghe et al., 2021)。因此,不同类别原型之间仍可能高度相关,这可能会在特征扰动下增加类别混淆的风险。此外,我们对类别原型施加了正交性约束,鼓励不同类别表示占据近似正交的方向。这些约束共同缓解了类间干扰和类内分散。这有助于基线方法通过反向传播学习类别判别特征,提高了类别特定正常表示的可分性并减少了类间干扰噪声,从而更容易区分"类别变化"和"真实异常"。因此,COPE可以间接改善多类别条件下异常与正常的分离,从而提升检测性能。如图1(b)所示,这种双重效果体现在t-SNE可视化中,显示在加入COPE后,类别分组更清晰,聚类边界分离更好。更重要的是,COPE在设计上就是轻量级的。如图2所示,它在池化后的全局向量上操作,仅使用小型MLP和原型相似度计算,避免了密集的H×W特征匹配和任何更复杂的网络重设计,这更好地适应了生产线约束。由于辅助模块仅在训练时激活并在推理时被移除,COPE保持了基线推理流程不变并维持了相当的部署效率。这使得它兼容现有的生产线检测系统,无需引入额外的硬件需求、专用算子或超出原始基线的训练后修改。
我们的主要贡献总结如下:
•我们提出了COPE,一种轻量级的基于原型的正则化机制,结合了样本到类别的对齐与原型间的正交性,以缓解类内分散和类间干扰,使现有的"一对一"模型能够支持统一的多类别工业异常检测。
•COPE是一个仅在训练时使用的辅助模块,在推理时完全移除。它仅使用小型MLP和原型相似度在池化后的全局向量上操作,避免了密集特征匹配和繁重的网络重设计。该设计保留了基线模型原有的推理路径和速度,仅引入边缘性的训练开销和零额外推理成本。
•在MVTec、VisA和MVTec-3D数据集上的大量实验,在域内全部和全类别设置下均验证了COPE的有效性和通用性。当集成到多个"一对一"基线模型中时,COPE在I-AUROC、P-AUROC和PRO上分别带来了5.37、3.65和7.38个百分点的平均提升,同时保留了原有的推理效率。
**小节摘录**
**无监督异常检测**
无监督工业视觉异常检测旨在通过学习正常的视觉模式来识别和定位缺陷区域,特别是在异常样本稀缺或不可用而正常外观多样的场景中。在传统的按类别训练设置中,视觉异常检测方法通常沿三个方向展开讨论(Tao, Gong, Zhang, Yan, Adak, 2022, Zhang, He, Gan, He, Cai, Xue, Wang, Wang, Xie, Liu, 2025)。
**基于增强的方法**
为了改善"一对一"基线方法向"一对全部"设置的直接适配,我们提出了类正交原型嵌入,一种通过训练期间基于类别的正则化来改善类别分离、同时不改变原始推理流程的轻量策略。
**数据集**
我们在三个广泛使用的工业异常检测基准上进行实验:MVTec(Bergmann, Fauser, Sattlegger, & Steger, 2019)、VisA(Zou, Jeong, Pemula, Zhang, & Dabeer, 2022)和MVTec-3D(Bergmann, Jin, Sattlegger, & Steger, 2022)。MVTec包含15个物体和纹理类别,共5,324张高分辨率图像;VisA包含12个物体类别,共10,821张彩色图像;MVTec-3D包含10个工业物体类别,超过4,000个高分辨率样本。三者合计,
**结论**
本文解决了将"一对一"工业异常检测基线方法扩展到统一多类别训练时出现的类间干扰和类内分散问题,并提出了COPE,一种轻量级的原型引导的类别正则化模块,用于将"一对一"基线适配为统一训练。通过引入类别原型和类正交正则化,COPE鼓励更具判别力的类别结构化表示,从而
**资助**
本工作由中国国家自然科学基金资助(基金编号61876100和62072286)以及山东省研究生教育创新计划项目资助(基金编号SDYKC2025223)。资助方未参与研究设计、数据收集、分析或解释、稿件撰写或文章提交的决策。
**数据可用性**
本研究中未使用数据。
**CRediT作者贡献声明**
丁新淼:概念化、方法论、形式化分析、初稿撰写、资金获取。
孙孟伟:方法论、软件、验证、初稿撰写。
郭文:监督、资金获取、审阅与编辑。
**利益冲突声明**
作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。
丁新淼 | 孙孟伟 | 郭文