كشف التناقضات يُعد مهمةً صعبة عادةً ما تُصاغ على شكل مشكلة تعلّم من فئة واحدة نظرًا لطبيعة التناقضات غير المتوقعة. تقدم هذه الورقة منهجًا بسيطًا لكنه قوي لمعالجة هذه المشكلة، حيث يُنفَّذ ضمن إطار التعلم المُدرّس-الطالب (student-teacher) للاستفادة من مزاياه، مع توسيعه بشكل كبير من حيث الدقة والكفاءة. مع افتراض نموذج قوي مُدرّب مسبقًا على تصنيف الصور كمُدرّس، نُحَوِّل المعرفة إلى شبكة طالب واحدة ذات هيكل مطابق لتعلم توزيع الصور الخالية من التناقضات، وبهذا التحويل في خطوة واحدة، نُبقي على المؤشرات الحاسمة بأقصى قدر ممكن. علاوةً على ذلك، ندمج استراتيجية مطابقة الميزات متعددة المقاييس داخل الإطار، حيث تُمكّن مطابقة الميزات الهرمية الشبكة الطالب من استقبال خليط من المعرفة متعددة المستويات من هرم الميزات تحت مراقبة أفضل، مما يسمح بالكشف عن التناقضات بمقاييس متنوعة. يُستخدم الفرق بين هرمي الميزات الناتجين عن الشبكتين كدالة تقييم تشير إلى احتمالية حدوث تناقض. وبفضل هذه العمليات، تحقق طريقة العمل لدينا كشفًا دقيقًا وسريعًا على مستوى البكسل. وتُقدّم النتائج نتائج تنافسية للغاية على مجموعة بيانات MVTec لكشف التناقضات، وتتفوّق على أحدث الطرق المُنتشرة.