基于三塔式知识蒸馏架构的多类别工业图像异常检测方法及装置

本发明属于图像识别技术领域，公开了一种基于三塔式知识蒸馏架构的多类别工业图像异常检测方法及装置，设计了涵盖局部上下文学生网络、全局上下文学生网络和预训练的教师网络的三塔式网络架构。对于用于训练的多类别正常工业图像，通过特征蒸馏损失分别约束两个学生网络输出的特征与教师网络一致，以及通过特征对齐损失约束使用局部和全局上下文区域预测中心特征的两个学生网络之间的输出特征一致，提升模型学习多类别正常图像特征表示的能力，保障模型在联合异常检测场景下对多类别异常样本进行高精度的检测和定位；本发明具备较高的实时性和较小的模型规模，可应用于对实时性要求高的工业异常检测场景。