Máy quang học Tây An của Viện Hàn lâm Khoa học Trung Quốc đạt được tiến bộ mới trong lĩnh vực phát hiện bất thường mẫu 0

Gần đây, nhóm nghiên cứu Vương Thuyên thuộc Phòng nghiên cứu công nghệ hình ảnh quang phổ của Viện Hàn lâm Khoa học Trung Quốc đã đạt được tiến bộ mới trong lĩnh vực phát hiện và định vị bất thường mẫu không trong lĩnh vực thị giác máy tính, kết quả liên quan đã được Hội nghị nhận dạng mẫu và thị giác máy tính (IEEE/CVF Conference on Computer Visionand Pattern Recognition, CVPR 2026) nhận được. Tác giả đầu tiên của luận văn là nghiên cứu sinh thạc sĩ Hồ Minh của Viện Quang Cơ Tây An, tác giả thông tin là tiến sĩ Hồ Thông của Bệnh viện Trung Nam Đại học Vũ Hán, nghiên cứu viên Hồ Bính Lương của Viện Quang Cơ Tây An và nghiên cứu viên Vương Thuyên, đơn vị thông tin số 1 của Viện Quang Cơ Tây An.

Với nhu cầu ngày càng tăng của các ứng dụng như kiểm tra chất lượng công nghiệp và phân tích hình ảnh y tế, công nghệ phát hiện bất thường ngày càng được quan tâm. Tuy nhiên, các mẫu bất thường trong các kịch bản thực tế thường khan hiếm hoặc thậm chí khó lấy, và các phương pháp học tập giám sát truyền thống dựa trên dữ liệu được đánh dấu phải đối mặt với một nút thắt cổ chai.

Phương pháp phát hiện bất thường mẫu không dựa trên mô hình ngôn ngữ trực quan, với kiến thức được đào tạo trước quy mô lớn, phát hiện có thể đạt được mà không cần kích thước bất thường, nhưng trong nhiệm vụ phát hiện bất thường hạt mịn, phương pháp này vẫn phải đối mặt với ba thách thức lớn: một là mô hình khó phân biệt mục tiêu triển vọng với nền phức tạp, các đặc điểm bất thường dễ bị lẫn lộn với nền, ảnh hưởng đến độ chính xác của phát hiện; Hai là, dựa vào một văn bản để biểu diễn, khả năng biểu đạt ngữ nghĩa có hạn, khó cung cấp căn cứ chi tiết cho phán biệt bất thường; Ba là, trong quá trình căn chỉnh mô hình vượt qua mô hình, sự không xác định của hình ảnh với ngữ nghĩa của văn bản tồn tại, hạn chế tính năng nâng cao của mô hình.

Để giải quyết vấn đề này, nhóm nghiên cứu đã đưa ra một khung mới - FB-CLIP (Foreground-Background Disentangled CLIP). Khung được đổi mới từ ba cấp độ:

Trong mô hình văn bản, đề xuất phương pháp hội nhập đặc điểm văn bản đa chiến lược, thông qua kết hợp biểu diễn cấp câu, thông tin bối cảnh toàn cục và đặc điểm trọng lượng chú ý, xây dựng biểu diễn ngữ nghĩa nhận thức nhiệm vụ phong phú hơn, nâng cao khả năng hiểu biết của mô hình về ngữ nghĩa bất thường;

Trong mô hình trực quan, thiết kế cơ chế tách nền tiền cảnh đa góc nhìn, tách các đặc điểm hình ảnh từ các chiều như ngữ nghĩa, không gian, cấu trúc và giảm thông tin nhiễu trong các cảnh phức tạp với sự trợ giúp của các chiến lược triệt tiêu nền, cho phép mô hình tập trung chính xác hơn vào các khu vực bất thường;

Trên sự liên kết chéo phương thức, các ràng buộc chính quy hóa phù hợp ngữ nghĩa được giới thiệu để tăng cường khả năng phân biệt các ngoại lệ của mô hình bằng cách nâng cao độ tin cậy dự đoán và kéo dài khoảng thời gian ngữ nghĩa giữa các mẫu bình thường và bất thường.

Kết quả thí nghiệm cho thấy FB-CLIP đã đạt được hiệu suất vượt trội trên nhiều bộ dữ liệu hình ảnh y tế và thử nghiệm công nghiệp, đặc biệt là trong các nhiệm vụ định vị bất thường về độ mịn và hiệu suất tổng thể đạt mức hàng đầu quốc tế. Phương pháp này không cần kích thước mẫu bất thường để phát hiện và định vị chính xác các dị thường nhỏ trong các cảnh phức tạp, với triển vọng ứng dụng thực tế tốt.

Kết quả này dự kiến sẽ được áp dụng trong các lĩnh vực chẩn đoán hỗ trợ hình ảnh y tế và phát hiện khuyết tật công nghiệp.

Nhóm nghiên cứu Vương Thuyên của Viện Quang Cơ Tây An đã nghiên cứu sâu về thị giác máy tính và hình ảnh y sinh học, trí thông minh não và máy tính, những năm gần đây tiếp tục đạt được một loạt tiến triển quan trọng trong các lĩnh vực liên quan, các kết quả liên quan đã được công bố trong CVPR 2025 và Pattern Recognition.

Hội nghị IEEE/CVF Computer Vision and Pattern Recognition là một trong những hội nghị học thuật quốc tế có ảnh hưởng nhất trong lĩnh vực thị giác máy tính và được Hiệp hội Máy tính Trung Quốc (CCF) xếp hạng A.