Semi-supervised（半监督）布料缺陷检测实战

数据及源码链接见文末

1.任务目标和流程概述

        对于常规的缺陷检测，常常需要我们准备好数据，使用分割或者检测的方法选择模型，进行训练。但是有一个问题。在日常生产中，我们接触到的往往都是正常的，缺陷数据往往很难收集，更何况我们还要打标签。我们能不能通过训练正常数据集进行缺陷检测呢？并且，很多时候，我们并不需要任务做得特别精确，只需要检测出缺陷的大致位置即可。本篇文章主要致力于这方面的问题。

        在数据集上，本任务都是使用的正常训练集，最终目标是通过训练正常数据集实现缺陷检测。

        数据集使用的是一个经典的缺陷检测数据集，只使用其正常数据。

         labels目录下的txt文件注明了正常的图片和异常的图片

2.核心思想解读

        核心思想很简单，我们通过一个编码器，对正常的数据采用类似于Unet的编码器进行拟合，最终目标希望编码的结果能够与原来的图像进行抵消（公式如下所示），最终当我们输入缺陷数据时，网络不能够对缺陷数据进行很好的编码，因此其相减后的结果就能够粗略的展现出缺陷的位置。