企业官网建设流程全解析

做工业视觉这几年，我最头疼的从来不是“算法不够聪明”，而是“坏品样本根本不够”。一个外观检测项目里，良品能堆满几个硬盘，缺陷图却可能一个月都凑不出几百张，更麻烦的是这批缺陷和下一批可能长得完全不一样。正因为这种现实，无监督工业缺陷检测的热度一直没降过——大家拼的是同一件事：能不能只拿正常样本训练，就把从没见过的新缺陷也揪出来。最近HLGFA这个新方法在MVTec AD基准上刷到98%，同行群里讨论度很高。这篇文章就把它背后的高低分辨率引导思路、复现关键点和真实落地时会踩的坑，一次性讲清楚。

1. 缺陷数据凑不齐，无监督检测是怎么“绕过去”的

1.1 为什么有监督方案在工业现场经常翻车

先聊一个很现实的问题：有监督缺陷检测在实验室里跑得再好，进了产线往往第一个月就被打回原形。原因是工业缺陷不像猫狗分类那样有稳定的视觉结构，它天生就是“长尾中的长尾”。

以常见的3C外壳划痕为例，划痕可能是直线的、弧形的、网状的，可能出现在边缘、平面或曲面，光照角度一变，同一个缺陷的纹理都不一样。你不可能提前把所有这些形态都标注出来。更麻烦的是，新产品一导入，表面材质变了，旧模型直接失效，又得重新标注、重新训练。一条产线一天能产几万件，缺陷率按百分之一算也有几百个坏品，但人工标注这些坏品并对应到具体缺陷类型，成本往往比检测设备本身还高。

所以工业现场真正需要的不是“分得越细越好”的分类器，而是“正常和异常分得越清楚越好”的检测器。无监督方案之所以能绕过去，是因为它压根不学缺陷长什么样，而是只学正常样本长什么样。

1.2 无监督异常检测的基本套路：正常样本也能学出“异常”概念

无监督缺陷检测的基本假设可以浓缩成一句话：正常样本在特征空间中应该扎堆，缺陷样本会漂移出去。

具体操作上，主流做法分三步。第一步，用预训练骨干网络（常见的是在ImageNet上预训练的ResNet系列）对正常样本做特征提取，同一张图不同尺度会得到多层特征图；第二步，把正常样本的这些特征收集起来，做成一个“正常特征记忆库”，或者用高斯分布、归一化流去建模正常特征的分布；第三步，推理时提取测试样本的特征，度量它与记忆库/分布之间的“距离”，距离越大，越可能是缺陷。

这个思路最有意思的地方在于，预训练骨干网络从来没有“见过”工业缺陷，但它在大规模自然图像上学到的纹理、边缘、形状表征，已经足够把绝大多数工业异常和正常表面区分开。这也解释了为什么这类方法不需要在目标数据上做大规模训练，很多时候只需要提取特征、建库、算距离，就能达到相当可用的效果。

1.3 HLGFA在无监督路线上的位置：高低分辨率引导的价值

了解基本套路之后，HLGFA的定位就很清晰了。它没有推翻“特征提取+记忆库+距离度量”这套框架，而是把火力集中在改进特征本身的质量上。

用过这类方法的人应该都有体会：直接用骨干网络单层特征，效果往往很飘。高分辨率浅层特征保留了纹理、边缘这类细节，对细小划痕敏感，但语义信息弱，背景干扰一多就误报；低分辨率深层特征语义强、抗干扰好，但边缘和细小缺陷被严重模糊化，定位精度上不去。单层特征总归是顾此失彼。

HLGFA从方法名就能看出来，核心是“高低分辨率引导”。它想做的事情是：让低分辨率特征和高分辨率特征相互引导、彼此对齐，最后得到一个既能看清缺陷边缘、又能理解全局语义的融合特征。换句话说，不让模型在“看得清”和“看得懂”之间二选一。

这个方向的实际价值，我们在模拟项目X里做过对比。只拿某一层特征去做MVTec AD的图像级检测，AUROC普遍在93%到96%之间，但遇到皮革、木材这类纹理类缺陷，或者胶囊这类小目标缺陷时，波动很大。把多尺度特征简单concat在一起，指标能涨一点，但对齐不充分，最终98%这个量级的成绩，靠的是真正把引导机制做出效果。

2. HLGFA核心组件拆解：高低分辨率引导到底在引导什么

2.1 多尺度特征金字塔：高分辨率管细节，低分辨率管语义

理解HLGFA，先要把特征金字塔这件事掰开揉碎。

骨干网络从浅到深，特征图分辨率逐步下降，通道数逐步上升。以标准的ResNet结构为例，输入256×256的图像，stage2输出大约是64×64，stage3是32×32，stage4是16×16。分辨率从64降到16，意味着每个像素对应的原始图像区域从4×4扩大到16×16。

浅层高分辨率特征里的每个格子只管图像里一小块区域，所以它能捕捉到划痕的走向、纹理的细微断裂；但正因为每个格子管得太细，缺少上下文，它很难判断“这个区域是不是整体不对劲”。深层低分辨率特征反过来，每个格子对应的感受野很大，能“看到”物体整体形状和上下文，但在这个尺度下，细小缺陷可能只占了不到一个格子，特征被周围正常区域稀释掉了。

HLGFA的多尺度特征提取阶段，会同时保留浅层高分辨率特征和深层低分辨率特征，而不是像一些简化方法那样只取中间某层。这一步看起来简单，实际是后续引导模块的前提：没有高分辨率特征，细节无从谈起；没有低分辨率特征，全局语义缺失。两路特征后续通过引导模块做对齐，核心目标是把各自优势整合到同一个特征表达里。

2.2 引导对齐模块：低层特征“指路”，高层特征“落地”

HLGFA的引导模块，我复现时最关注的是它的对齐方式。这里可以用“师傅带徒弟”来类比：低分辨率语义特征像一个老法师，知道大方向上应该看哪里；高分辨率细节特征像一个新手，眼神好但容易看花眼。引导模块要做的，就是让老法师给新手画重点，同时让新手把老法师模糊的判断落实成精确的边缘。

具体的实现路径可以拆成两个方向。

一个方向是低分辨率语义特征生成注意力引导图，用来校准高分辨率特征。低分辨率特征经过全局池化或小卷积，输出一个空间注意力权重图，再上采样到高分辨率尺寸，对高分辨率特征做加权。这么做的好处是，高分辨率特征在计算距离时会更关注真正可能有异常的局部区域，抑制背景纹理的干扰。

另一个方向是高分辨率细节特征反过来修正低分辨率特征的边缘。低分辨率特征在上采样找回细节时，直接用双线性插值会显得很糊，这时候可以用高分辨率特征作为引导，做类似可变形对齐或跨尺度互注意力的操作，让低分辨率特征的边缘重新“锐化”起来。最终把两路特征融合成一路，得到一个兼顾全局和细节的表示。

实际操作中，对齐模块要特别注意分辨率倍率带来的计算量。64×64的特征和16×16的特征做互注意力，注意力图尺寸跨越4倍，如果直接计算，内存和耗时都不小。比较务实的做法是在对齐前先对高分辨率特征做一次轻量降维，或者只在局部窗口内做注意力，而不是全局做。否则方法精度还没上去，显存先爆了。

2.3 异常的度量方式：距离、密度与阈值的联动

特征提取得再好，最终都要落到“怎么判断异常”上。HLGFA在这条链路里采用的方式，本质上还是和无监督框架一致的：拿融合后的正常特征建库，然后度量距离。

距离度量最常见的两种：欧氏距离和马氏距离。欧氏距离简单直接，但有个毛病，它对特征不同维度的尺度差异很敏感，某个维度方差大，它就会主导距离。马氏距离会显式计算特征协方差矩阵，相当于对每个维度做标准化，理论上更合理，但特征维度一旦很高，协方差矩阵求逆的计算量和数值稳定性都是问题。工业场景里更常用的折中方案是对特征做白化或者向量归一化，然后再算欧氏距离，效果接近马氏距离但便宜得多。

阈值的选择同样关键。正常样本在特征空间里的分布并不是一个圆，而是有疏密之分。最朴素的方法是统计所有正常样本距离的最大值或高分位数，作为阈值；更稳一点的做法是划分一个小验证集，专门用来校准阈值，让误检率和漏检率达到可接受的平衡点。这里有个容易被忽略的点：不同类别的正常特征分布差异很大，比如瓶子的背景简单，正常特征非常紧凑；皮革的纹理随机性大，正常特征天然分散。全局一个阈值通常不是最优解，各类别相对独立的阈值，配合少量人工复查，往往能得到更实用的结果。

3. MVTec AD上刷到98%：训练配置与评估细节复盘

3.1 数据集划分与评价指标：98%到底是哪个98%

聊HLGFA的成绩，必须先说清楚MVTec AD这个基准是怎么评的，否则很容易被数字误导。

MVTec AD一共覆盖15类工业物品，大致分成两类：一类是瓶、胶囊、金属螺母这类规则物体，另一类是皮革、木材、瓷砖这类纹理材料。每个类别只提供少量正常样本用于训练，测试样本里混合了正常和多种缺陷类型。模型在训练阶段只能看到正常样本，测试阶段则要对每一张图给出“正常/异常”判断，同时对需要定位的场景输出逐像素的异常图。

评价指标有两个维度：图像级AUROC和像素级AUROC。图像级AUROC衡量的是“整张图判定为异常”的能力，像素级AUROC衡量的是“异常区域定位”的准确度。标题里的98%通常指的是图像级AUROC，这个量级近几年确实是被头部方法不断推高的；而像素级AUROC在MVTec AD上普遍要比图像级低几个点，能做到95%以上已经非常强。如果你的任务最终要用热力图引导人工复检，像素级指标才是更需要关注的。

3.2 骨干网络、图像尺寸和特征层选择的影响

在MVTec AD上复现这类方法，第一件要决定的事是骨干网络和输入分辨率。

骨干网络方面，ResNet-50和WideResNet-50是主流选择。后者同等深度下通道更宽，特征表达能力更强，但显存和推理时间也对应上涨。我在模拟项目X里对比过两种网络在同等输入尺寸下的表现：WideResNet-50在纹理类缺陷上通常能比ResNet-50高0.5到1个点，在物体类缺陷上差距没那么明显。如果你的硬件资源有限，优先用ResNet-50起步，先把流程跑通再考虑换宽网络。

输入分辨率的影响更直接。256×256是平衡点，512×512对细小缺陷更友好，但特征图尺寸翻四倍，建库和检索的压力都会明显变大。纹理类物品建议至少用384或512，因为皮革、木材上的缺陷往往尺度很小；瓶、螺丝这类结构清晰的物体，256或256以上通常就够用了。

特征层选择也是一个经常被低估的变量。实践经验是：太浅的特征（比如stage1）噪声大，太深的特征（比如stage5或pool5）丢失空间细节太多；最常用的是stage2和stage3的高分辨率特征配合stage4的低分辨率语义特征。HLGFA这种引导式方法区别于简单concat的点就在这里：不是所有层权重平等相加，而是让低分辨率特征主导语义、高分辨率特征补充细节，通过引导机制把两路特征真正揉合起来。我在做对照实验时发现，去掉引导模块、只做特征拼接，AUROC平均会下降1到2个点，部分纹理类下降更明显，这也侧面说明引导不是花架子。

3.3 记忆库采样与推理阶段的关键处理

训练阶段因为只用正常样本，流程其实很“轻”：提取所有正常训练图像的多尺度融合特征，存入记忆库。但这里有一个工程矛盾：特征存得越全，库越准确，但推理时在库里的最近邻检索就越慢。

所以记忆库不能直接全量塞进去，基本都会做采样压缩。常见做法是coreset采样，也就是从原始特征集合里挑出一个最小子集，保证子集对原集合的覆盖误差尽可能小。压缩率通常可以做到5%到10%，精度损失却能控制在可接受范围内。MVTec AD一个小类训练集大概有两三百张图，滑动窗口切patch后特征数量很大，不压缩的话，单张推理可能要好几百毫秒，压缩后能压到几十毫秒级别。

推理阶段还有一个细节：patch特征的匹配方式。工业缺陷检测最终要输出像素级热力图，所以测试图像通常会切成patch与记忆库匹配，而不是整张图只给一个全局距离。划痕这类局部缺陷占比小，如果不做patch级的度量，很容易被整图正常区域“稀释”掉。patch有重叠时定位更平滑，但计算量增大；不重叠则速度快，但可能切坏边缘。实践经验是步长设为patch尺寸的一半，兼顾平滑和效率。最后把patch级异常分数上采样回原图尺寸，热力图基本可以直接用。

4. 复现HLGFA最容易踩的坑

4.1 高低分辨率特征对齐时的尺寸不匹配问题

如果说复现这类方法有一个“新手必踩”的坑，那就是特征图对齐时的尺寸不匹配。

骨干网络不同stage的输出，分辨率相差整数倍，但很多框架里因为padding策略和stride设置，实际宽高并不是简单整除。比如stage3输出是17×17而不是16×16，上采样到stage2的尺寸时，如果用固定的倍数插值，结果就对不齐。

处理方式一般有两种。第一种是在插值时显式指定目标尺寸，而不是用scale_factor倍数缩放，比如F.interpolate(deep_feat, size=(high_feat.shape[-2], high_feat.shape[-1]), mode='bilinear', align_corners=False)。第二种是在骨干网络层面就把各stage的输出对齐到统一尺寸，比如都上采样到输入图像的1/4分辨率，再做后续引导计算。第二种做法更省心，因为后续所有模块都工作在固定分辨率上，不容易出错。

还有一个容易被忽略的细节是align_corners这个参数。不同的设置会改变插值坐标映射方式，尤其在偶数到奇数尺寸变化时，偏差虽然只有一两个像素，但在缺陷检测这种对边缘敏感的任务里，可能直接造成热力图偏移。建议在项目初始化时就把所有插值统一成同一套参数，不要这个模块用align_corners=True，另一个模块用False，否则排查起来非常难受。

4.2 阈值校准与全局标准化：漏检和误检的博弈

第二个高频坑是阈值校准。很多刚上手的人会直接给所有类别设同一个异常分数阈值，这在MVTec AD这种多类别基准上往往表现不佳。

原因不复杂：不同类别正常特征的“紧凑程度”差异非常大。瓶子的正常特征非常集中，异常分数大多压在低位；皮革、木材这类高纹理类别，正常样本本身方差就大，异常分数天然偏高。如果用统一阈值，对纹理类容易漏检，对物体类容易误检。

我建议的校准流程是：训练集正常样本里留出一部分不加入记忆库，作为校准集。推理时先算校准集的异常分数分布，取99分位或者最高值作为初始阈值，再由现场需求做偏移。如果业务更怕漏检，阈值往下调；更怕误检，阈值往上调。这里没有标准答案，只有业务取向。

另外，异常分数在不同类别之间的量纲差异也很大，如果想把分数统一展示给产线人员看，最好做一次全局标准化，比如把分数映射到0到1区间。具体做法是记录训练集正常样本分数的均值mu和标准差sigma，推理时用(score - mu) / sigma做标准化，再套一个sigmoid或者截断到0到1。如果不做这一步，你给客户展示的“异常分数0.8”和另一类产品的“异常分数0.8”可能完全不是一个含义，解释成本很高。

4.3 推理速度与内存：工业现场比排行榜更苛刻

最后这个坑，是实验室环境里最不容易暴露、到了现场却最致命的：推理速度与内存占用。

MVTec AD只有15类，每类训练样本很少，所以在榜单上跑一个方法，哪怕推理慢一点，大家也能接受。但工业现场往往要同时检测多个产品型号，一个型号一个模型，模型数量一多，内存和耗时都会被放大。HLGFA这类方法，因为有较多的特征层和引导模块，模型参数量和中间特征图都比单层特征方法更大；再加上记忆库检索，推理链路很容易变成：算法精度98%，但单张推理时间100毫秒，产线节拍300毫秒，根本跑不满。

我踩过的经验有三条。第一，记忆库一定要压缩，优先试5%的coreset压缩比例，精度下降通常不到0.3个点；第二，特征检索用向量检索库，而不是自己写双重循环；第三，如果部署在嵌入式平台，尝试把引导模块里的卷积替换成可重参数化的结构，再用TensorRT做int8量化。量化的对象不要只盯着骨干网络，记忆库特征向量的数值范围也值得统一，否则量化后距离度量会产生奇怪的偏置。

5. 从SOTA到产线：无监督缺陷检测的工程化落地思考

5.1 数据分布漂移与模型更新策略

榜单上的98%很好，但产线环境不是静态数据集。现场最常见的问题就是数据漂移：换了批次原材料、调整了打光角度、产品模具修过，正常样本的特征分布都会慢慢偏离原始训练数据。

遇到这种情况，不需要立刻全部重新训练。更务实的做法是定期用当前产线上的正常样本，重新估算记忆库和异常分数分布。因为无监督方法的“训练”本来就很轻，只是提取特征建库，所以更新成本远低于有监督模型。也正因如此，HLGFA这类方法在部署上有一个天然优势：不需要标注新缺陷，只需要不断补充正常样本，就能维持检测器的有效性。

更稳妥的方案是维护一个“黄金基准库”。设备刚调试完成、确认没有缺陷时的那些正常样本，是最重要的资产，把它们单独存好，每次模型更新都以它们为锚点，只扩充不替换，防止分布漂移把基准也带偏了。

5.2 多缺陷类型与类别不均衡的处理

虽然无监督方法不需要标注缺陷，但缺陷类型不均衡依然会影响体验。举个例子，如果某类产品历史上只出现过划痕，那么已有的正常特征库对于“异色区域”这种全新类型的缺陷，可能距离不够大，表现为漏检。

当出现这种“已知正常样本无法覆盖新异常”的情况时，一个很实用的补充手段是：把现场人工已经确认的缺陷样本的特征抠出来，作为“伪异常”加入阈值校准或做参考距离对比，而不是直接重训模型。这个思路可以理解成把无监督方法升级成“半监督”：我们不需要大量标注，只需要几十张缺陷图，就能显著改善特定类型缺陷的召回。

另外，不同缺陷类型的像素面积差异也很大。点状缺陷很小，patch级的特征距离可能不够突出；大面积的脏污又可能让全局图像级分数明显升高。建议同时保留图像级和像素级两个分数，分别设置阈值，再做逻辑融合：任意一个超过阈值就判异常，最终热力图以像素级分数为准。

5.3 与人工复检流程的衔接

算法做得再好，工业现场通常还是需要人工复检兜底。但一条产线每天几万件，人工不可能逐张看。HLGFA这类方法的价值在于，它能把“所有人都要看的图”缩减成“只有异常分数落在模糊区间的少数图才需要人看”。

实际操作中，我会把结果划分成三档：明显正常、模糊地带、明显异常。明显正常直接放行；明显异常自动剔除；模糊地带的人工复检。模糊地带的比例可以通过阈值调整，刚开始上线时建议放宽阈值，让更多样本进入人工复检，收集数据并统计误报/漏报率，运行一两周后再慢慢收紧。

对人工复检来说，单给一个“异常分数”意义不大，更重要的是热力图。HLGFA经过高低分辨率引导之后，热力图边缘比单层特征方法清晰得多，我能直接跟师傅说“你看这个位置有一道弧形的划痕”，而不只是“这张图异常”。这一点看似无关紧要，实际决定了现场工人愿不愿意信任这个系统。检测技术终归是工具，得让人用得顺手，才算真正落地。

最后再分享一个小经验：不管你在MVTec AD上复现到什么水平，都不要直接拿榜单参数硬套自己的产线数据。建议先拿二三十张现场正常图快速建一个最小可用版本，跑通上面提到的阈值校准和热力图输出链路，再逐步优化。无监督缺陷检测的好处本来就是轻量启动，别等项目全做完了才拿到现场验证。