龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西安交通大学
申请日：2024-04-07
公开（公告）日：2024-06-25
公开（公告）号：CN118247254A
主分类号：G06T7/00
分类号：G06T7/00;G06V10/44;G06V10/80;G06V10/82;G06N3/0464;G06N3/045;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明属于图像识别技术领域，公开了一种基于多尺度特征自表达的联合工业异常检测方法，本发明可以实现在仅有正常工业产品的情况下，使用一个统一模型同时对多类工业产品的图像进行异常检测和定位多类别‑单模型，而无需对不同类别产品单独训练模型单类别‑单模型，进而避免随产品类别增加而线性增长的模型数量和存储代价，本发明提出的基于多尺度特征自重建和自表达任务的无监督学习方法，可帮助模型更好的学习多类别正常图像的特征表示，并通过融合自重建和自表达差异，实现对异常图像的判别和定位；此外，本发明具备较高的实时性和较小的模型规模，可应用于对实时性要求高的工业异常检测场景。
主权项：1.一种基于多尺度特征自表达的联合工业异常检测方法，其特征在于，包括如下步骤：将统一数据集中的正常图像输入到骨干网络中，经特征提取后将多种不同尺度的特征融合，得到多尺度特征；对所述多尺度特征进行特征自重建，得到重建特征，通过比对重建特征与所述多尺度特征的差异，获得多层特征自重建差异图；提取特征自重建模块中不同层次的特征，输入到多层次特征自表达模块，获得多层次特征自表达差异图；具体的，所述多层次特征自表达模块包括多个并行连接的特征自表达模块，每个特征自表达模块分别输入特征自重建模块中对应层次的特征，并输出对应的自表达特征，通过比对输入特征与自表达特征的差异，获得多层特征自表达差异图；基于获取的多层特征自表达差异图和多层特征自重建差异图，判断图像是否存在异常，并对于异常图像定位出异常区域。
全文数据：
权利要求：
百度查询： 西安交通大学 基于多尺度特征自表达的联合工业异常检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号