计算机应用

作者：薛振华, 李强, 黄超

单位：1.国能运输技术研究院有限责任公司，北京 100080；2.中山大学深圳校区 网络空间安全学院，广东 深圳 518107

关键词：深度学习,像素级异常检测,视觉基础模型,SAM,自动提示

基金：国家自然科学基金资助项目(62301621);深圳市科技计划项目(20231121172359002)

现有的异常检测方法能在特定应用场景下实现高精度检测，然而这些方法难以适用于其他应用场景，且自动化程度有限。因此，提出一种视觉基础模型（VFM）驱动的像素级图像异常检测方法SSMOD-Net（State Space Model driven-Omni Dimensional Net），旨在实现更精确的工业缺陷检测。与现有方法不同，SSMOD-Net实现SAM（Segment Anything Model）的自动化提示且不需要微调SAM，因此特别适用于需要处理大规模工业视觉数据的场景。SSMOD-Net的核心是一个新颖的提示编码器，该编码器由状态空间模型驱动，能够根据SAM的输入图像动态地生成提示。这一设计允许模型在保持SAM架构不变的同时，通过提示编码器引入额外的指导信息，从而提高检测精度。提示编码器内部集成一个残差多尺度模块，该模块基于状态空间模型构建，能够综合利用多尺度信息和全局信息。这一模块通过迭代搜索，在提示空间中寻找最优的提示，并将这些提示以高维张量的形式提供给SAM，从而增强模型对工业异常的识别能力。而且所提方法不需要对SAM进行任何修改，从而避免复杂的对训练计划的微调需求。在多个数据集上的实验结果表明，所提方法展现出了卓越的性能，与AutoSAM和SAM-EG（SAM with Edge Guidance framework for efficient polyp segmentation）等方法相比，所提方法在mE（mean E-measure）和平均绝对误差（MAE）、Dice和交并比（IoU）上都取得了较好的结果。

来源：2025年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第3期