一种基于分层码本与任务解耦双分支结构的无监督异常检测方法

本发明公开了一种基于分层码本学习与任务解耦双分支结构的无监督异常检测方法。该方法包括以下步骤：首先，利用预训练的特征提取网络对输入图像进行特征提取，获得多层级特征；然后，针对不同特征层构建多个独立的层级码本，并从中间层特征中经多尺度聚合模块生成多尺度特征码本，实现多层语义与多尺度信息的解耦表征；接着，采用优化的K‑means贪心采样算法(OKGS)对正常样本特征进行采样，减少内存占用并保持码本的代表性。推理阶段，系统通过任务解耦的双分支结构分别执行异常检测与异常分割任务：检测分支采用较小的k值增强对细微异常的敏感性，分割分支采用较大的k值结合空间融合抑制噪声并细化边界。最终输出图像级异常评分与像素级异常热图。本发明能够在保持高检测精度的同时显著提高模型鲁棒性和计算效率，适用于工业视觉质检、缺陷检测及其他无监督异常识别场景。