视觉基础模型驱动的像素级图像异常检测方法.pdfVIP

JournalofComputerApplicationsISSN1001⁃90812025⁃03⁃10

计算机应用,2025,45(3):823-831CODENJYIIDUhttp://www.joca.cn

文章编号：1001-9081（2025）03-0823-09DOI:10.11772/j.issn.1001-9081.2024091398

视觉基础模型驱动的像素级图像异常检测方法

112*

薛振华，李强，黄超

（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）

（∗通信作者电子邮箱huangch253@mail.sysu.edu.cn）

摘要：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（StateSpace

Modeldriven-OmniDimensionalNet），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

（SegmentAnythingModel）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。

这一模块通过迭代有哪些信誉好的足球投注网站，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（SAMwithEdgeGuidance

frameworkforefficientpolypsegmentation）等方法相比，所提方法在mE（meanE-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。

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

中图分类号：TP391.41文献标志码：A

Visionfoundationmodel-drivenpixel-levelimageanomalydetectionmethod

112*

XUEZhenhua，LIQiang，HUANGChao

（1.ChinaEnergyInstituteofTransportationTechnologyResearchCompanyLimited，Beiji