一种基于自监督教师学生网络的小样本工业异常检测方法

本发明公开了一种基于自监督教师学生网络的小样本工业异常检测方法，主要解决现有工业异常检测技术在正常样本极其稀缺场景中的检测下降的问题。其实施方案为：1)构建数据集；2)构建构建教师学生网络模型；3)构建损失函数；4)训练小样本异常检测模型；5)推理并获得检测结果。本发明构建的小样本异常检测模型，通过引入自监督迁移学习策略对骨干网络进行微调，使骨干网络在小样本场景下能够提取更具有判别性的中间特征；引入特征融合模块、特征记忆模块辅助学生网络学习，解决教师学生网络可能出现的正常遗忘问题；提出自监督细化模块，提高小样本场景下的检测精度。