一种基于多层次Transformer的视觉缺陷检测方法

本发明公开了一种基于多层次Transformer的视觉缺陷检测方法，该方法首先通过预训练卷积神经网络提取输入图像的多尺度特征并进行层级融合；然后利用多层级Transformer编解码结构对融合特征进行深层重构，通过层级化patch分割与自注意力机制捕获不同粒度的长距离依赖关系；同时引入标准差估计分支学习重构不确定性；最后通过计算归一化残差并采用多尺度异常评分聚合策略生成像素级异常分数图，实现精确的异常定位与判别。该方法融合了多尺度特征表示与全局语义建模能力，有效提升了异常检测的准确性、鲁棒性及泛化能力，仅需正常样本训练，适用于工业视觉检测等复杂场景，具有良好的应用前景。