Une stratégie d'amélioration basée sur l'imitation de caractéristiques avec attention pour la détection d'anomalies visuelles

Pourquoi il est important de repérer les motifs inhabituels dans les images

Qu'il s'agisse de garantir que les produits d'une usine soient exempts de petits défauts ou de surveiller des événements inhabituels dans les rues, on demande de plus en plus aux ordinateurs de signaler tout ce qui semble hors norme. Cet article présente une nouvelle méthode pour aider l'intelligence artificielle à différencier plus fiablement les scènes normales des scènes suspectes, même lorsque le système n'a été entraîné qu'avec des exemples normaux.

Apprendre à un ordinateur à reconnaître le normal

Dans de nombreux contextes réels, les vraies anomalies sont rares et difficiles à annoter manuellement. Par conséquent, la plupart des systèmes apprennent uniquement à partir d'images et de vidéos normales, puis cherchent à détecter tout ce qui ne correspond pas à ce qu'ils ont vu auparavant. Une approche courante consiste à entraîner un modèle à reconstruire son entrée, puis à considérer les fortes erreurs de reconstruction comme des signaux d'alerte. Mais les modèles modernes sont si puissants qu'ils reconstruisent parfois très bien des scènes anormales, entraînant des erreurs dangereuses où des produits défectueux ou des événements étranges sont pris pour ordinaires.

Apprendre à partir d'un guide plus puissant

Les auteurs abordent ce problème en associant deux modèles, appelés enseignant et élève. L'enseignant est un réseau pré-entraîné qui sait déjà gérer la tâche de reconstruction sur des données normales. Plutôt que de demander uniquement à l'élève de reconstruire les images, la nouvelle méthode lui demande aussi d'imiter les caractéristiques internes de l'enseignant. Ces caractéristiques cachées captent le sens global et la structure des scènes normales. Lorsqu'une image anormale est présentée, l'élève, entraîné uniquement sur des données normales, a du mal à reproduire les réponses internes de l'enseignant. Ce décalage devient un indice supplémentaire puissant qu'il se passe quelque chose d'anormal, au-delà des simples différences au niveau des pixels.

Laisser l'attention suivre le décalage

Pour tirer le meilleur parti de ce désaccord enseignant-élève, l'article ajoute un module d'attention spécial guidé par l'incohérence des caractéristiques. Il commence par calculer une « carte de différences » entre les caractéristiques produites par l'enseignant et l'élève. Cette carte tend à être faible et lisse pour les entrées normales, mais s'illumine autour des régions réellement anormales. Le module d'attention utilise ensuite cette carte pour renforcer ou atténuer des parties des caractéristiques de l'élève, poussant le système à se concentrer sur les régions où le décalage est le plus important. Contrairement à l'attention traditionnelle, qui met généralement en avant les zones visuellement saillantes, cette attention est purement guidée par l'incohérence sémantique entre enseignant et élève, ce qui la rend plus directement liée aux anomalies.

Valider l'idée sur des vidéos et des images d'usine

Les chercheurs intègrent leur schéma d'imitation de caractéristiques et d'attention dans plusieurs systèmes de détection d'anomalies de pointe, pour la vidéosurveillance et pour les images de produits industriels. Ils testent les méthodes combinées sur trois bancs d'essai exigeants : Avenue et ShanghaiTech pour les événements inhabituels dans des scènes de campus, et MVTec AD pour les défauts subtils d'objets et de textures comme des tapis, des pièces métalliques et des brosses à dents. Dans ces évaluations, les systèmes améliorés surpassent systématiquement leurs versions originales, détectant davantage d'anomalies tout en maîtrisant les fausses alertes. Dans certaines catégories, la précision pour localiser les régions défectueuses s'améliore de plus de vingt points de pourcentage, montrant que l'apport de l'incohérence des caractéristiques et de l'attention affine substantiellement le regard du modèle.

Ce que cela signifie pour une surveillance automatique fiable

Pour un lecteur non spécialiste, le message principal est que ce travail donne aux ordinateurs une meilleure capacité à repérer ce qui « n'appartient pas » à une image ou une vidéo. En demandant à un modèle élève non seulement de reproduire ce qu'il voit, mais aussi d'imiter la façon dont un enseignant de confiance pense en interne, puis en dirigeant l'attention vers les zones où ils sont en désaccord, la méthode réduit le risque que des événements inhabituels ou des défauts passent inaperçus. Cela rend les lignes d'inspection automatisées et les systèmes de surveillance plus fiables sans exiger de grands ensembles d'exemples anormaux étiquetés.

Citation: Zheng, B., Gan, Y., Wang, L. et al. A boosting strategy based on feature mimicking with attention for visual anomaly detection. Sci Rep 16, 15084 (2026). https://doi.org/10.1038/s41598-026-37667-9

Mots-clés: détection d'anomalies visuelles, réseau enseignant-élève, mécanisme d'attention, inspection industrielle, surveillance vidéo