即插即用系列（代码实践） | CVPR 2025 WPFormer：小波与原型增强Transformer——表面缺陷检测SOTA，专治弱缺陷与杂乱背景
论文题目：Wavelet and Prototype Augmented Query-based Transformer for Pixel-level Surface Defect Detection
中文题目：用于像素级表面缺陷检测的小波与原型增强基于查询的 Transformer
应用任务：表面缺陷检测 (Surface Defect Detection)、工业异常检测、语义分割
论文原文 (Paper)：https://openaccess.thecvf.com/content/CVPR2025/html/Yan_Wavelet_and_Prototype_Augmented_Query-based_Transformer_for_Pixel-level_Surface_Defect_CVPR_2025_paper.html
代码 (code)：https://github.com/iefengyan/WPFormer
摘要：
本文提取自CVPR 2024顶会论文《Wavelet and Prototype Augmented Query-based Transformer for Pixel-level Surface Defect Detection》。针对工业场景中微弱缺陷（Weak Defects）难以识别以及杂乱背景（Cluttered Backgrounds）干扰严重的痛点，复现了其核心组件——WPFormer中的WCA和PCA模块。该架构创新性地将**小波变换（Wavelet Transform）引入 Transformer 的注意力机制中，利用频域信息分离噪声与边缘，同时利用原型（Prototype）**引导查询，实现了像素级的精准缺陷定位。
目录
- 第一部分：模块原理与实战分析
- 1. 论文背景与解决的痛点
- 2. 核心模块原理揭秘
- 3. 架构图解
- 4. 适用场景与魔改建议
- 第二部分：核心完整代码
- 第三部分：结果验证与总结
第一部分：模块原理与实战分析
1. 论文背景与解决的痛点
在工业视觉检测中，我们经常面临两个极端难题：
- 隐形杀手（弱缺陷）：很多划痕、裂纹对比度极低，和背景几乎融为一体，普通的 CNN 或 Transformer 根本“看”不见。
- 由于背景太花（杂乱背景）：工业表面往往有复杂的纹理（如织物、金属拉丝），这些纹理在特征提取时会被误判为缺陷，导致大量虚警（False Positive）。
痛点总结：现有的 Query-based 方法（如 Mask2Former）虽然强，但缺乏对频率信息和类别语义中心的显式建模，导致在困难样本上表现不佳。
2. 核心模块原理揭秘
WPFormer 提出了D2T Decoder (Dual-domain Two-stage Decoder)，其中包含两个核心注意力模块。我已将其封装为即插即用的 PyTorch 类：
WCA (Wavelet-enhanced Cross-Attention) - 小波增强交叉注意力：
核心逻辑：利用离散小波变换 (DWT)将特征图分解为低频（LL）和