MixedTeacher: التعلم المستند إلى المعرفة للكشف السريع عن الشذوذ النسيجي بالاستدلال

على مدى فترة طويلة، كان التعلم غير المُراقب للكشف عن الشذوذ في صلب أبحاث معالجة الصور، وخطوة أساسية نحو تحسين عمليات الأتمتة الصناعية عالية الأداء. مع ظهور الشبكات العصبية التلافيفية (CNN)، تم اقتراح العديد من الطرق مثل المُشفّرات التلقائية (Autoencoders)، والشبكات التوليدية التنافسية (GAN)، واستخراج الميزات العميقة، وغيرها. في هذا البحث، نقترح طريقة جديدة تعتمد على المفهوم الواعد لنقل المعرفة (Knowledge Distillation)، والذي يتضمن تدريب شبكة (الطالب) على عينات طبيعية مع أخذ مخرجات شبكة أكبر مُدرّبة مسبقًا (المعلم). تتمثل المساهمات الرئيسية لهذا البحث في جوانب متعددة: أولاً، نقترح بنية طالب مُبسّطة مع اختيار طبقات مثلى، ثم نُقدّم معمارية جديدة للطالب-المعلم تُقلل من التحيّز في الشبكة من خلال دمج معلّمين اثنين، بهدف تحسين الأداء الكلي للكشف عن الشذوذ ودقة تحديد موقعه معًا. يمتلك الكاشف المقترح للاختلالات النسيجية قدرة متميزة على اكتشاف العيوب في أي نسيج، مع زمن استنتاج سريع مقارنة بالطرق المتطورة حديثًا (SOTA).