一种基于半监督对比学习的工业异常检测方法

本发明提出了一种基于半监督对比学习的工业异常检测方法，该方法通过结合半监督和对比学习技术，解决工业异常检测中标签数据稀缺的问题。CLAD采用双分支对比学习架构，分别针对有限的标签数据和大量无标签数据进行优化。对于标签数据，采用基于CutPaste的增强负样本学习策略，通过显式的类别感知对比学习生成判别性特征表示；对于无标签数据，设计了自适应对比学习机制，通过相似性感知的实例判别自动发现潜在的数据关系。该方法在MVTec AD基准测试中表现出色，仅使用10％的标签数据即可达到98.7％的AUROC，显著优于现有的传统半监督方法。