用于工业异常检测的无跳跃连接轻量级自注意力 CNN
作 者：
王国新；燕集中；周晓斌；叶禛栋；嵇杉
摘 要：
文章提出 CNN-AttAD，一种轻量且有效的基于图像重建的无监督异常检测框架，专门面向工业缺陷检测。与传统监督方法不同，CNN-AttAD 无需针对缺陷类型的标注数据，因此能够在多种产品类型上保持良好的泛化能力。该方法基于一种简化的 U-Net 风格 CNN 结构，去除了传统的跳跃连接，并引入轻量级自注意力模块，以在重建过程中增强全局上下文建模能力。模型仅使用无缺陷图像进行训练，使其学习重建正常模式；由于异常模式不属于训练分布，模型难以准确重建，从而通过图像差分识别异常。基于 MVTec AD 2D 数据集的实验表明，CNN-AttAD 的平均图像级分类准确率达到 96.0%，优于 CNN 与 Transformer 基线方法。此外，本方法推理速度达到 38.7 FPS，适用于实时工业应用。
来 源：
《信息产业报道》 2026-05