12月6日下午，信息科学与工程学院在墨子楼二楼会议室举办2023年第二十五期青年学者学术论坛，学院科研团队教师和科教融合优秀本科生“三进”提升计划学生代表参加学术论坛，信息网络科研创新团队负责人王运峰博士主持学术论坛。

院模式识别与智能信息处理科研创新团队的孙晓飞老师做了题为《基于分割引导的去噪学生-教师异常检测框架》的学术报告。报告指出当前已有的知识蒸馏方法在训练过程中没有对异常样本进行约束，导致无法保证异常样本的特征在学生-教师（S-T）网络之间始终是不同的，这一问题成为了当前基于S-T框架的缺陷检测方法的一个挑战。

为了解决该问题，报告提出了基于分割引导的去噪S-T异常检测框架，它由教师网络、去噪学生网络和分割网络组成。将合成异常引入正常训练图像中，分两步训练模型。在第一步中，模拟的异常图像被用作学生网络的输入，而原始的正常图像是教师网络的输入。教师网络的权值是固定的，但用于去噪的学生网络是可训练的。在第二步中，学生模型也是固定的。学生网络和教师网络都将合成的异常图像作为输入，通过空间重建和通道重建优化分割网络来精确定位异常区域。在推理阶段，以端到端模式生成像素级异常图，并通过后处理计算相应的图像级异常分数。结果表明，基于分割引导的去噪学生-教师异常检测方法能够解决学生网络的过度泛化，输出与教师网络不同的特征表示。

（文图/王运峰 编辑/单法动 审核/姬广华、闫昕）