CVPR'25｜华科 & 精测强强携手：AnomalyNCD实现多类别缺陷自主分类，无需人工标注也能...

主要观点总结

华中科技大学和精测电子团队提出了一种名为AnomalyNCD的新方法，用于工业缺陷的多类别自主分类。该方法采用自监督训练，无需人工标注即可实现高精度的工业缺陷分类，并可直接与现有的异常检测器结合使用。文章介绍了该方法的关键技术、应用领域、创新点及性能表现。

关键观点总结

关键观点1: 技术原理及创新点

AnomalyNCD采用自监督训练方式，通过掩膜引导策略使模型聚焦真实缺陷区域，实现无人工标注下的细粒度缺陷表征学习。包含三项革新技术：主元素二值化（MEBin）、掩膜引导（Mask-Guided）表征学习、区域面积加权合并。

关键观点2: 应用领域

工业质检领域中，多类别缺陷分类是产线智能化的核心刚需。该方法可广泛应用于产品等级划分、缺陷成因溯源和产线工艺优化等方面。

关键观点3: 性能表现

AnomalyNCD在MVTecAD和MTD数据集上实现了显著的F1提升、NMI提升和ARI提升，并与多种主流异常检测模型结合表现出优异性能。

关键观点4: 开源与集成

代码已开源，便于工业质检技术落地。此外，该方法可与任意异常检测方法进行无缝结合使用，具有灵活的集成能力。

免责声明