申请/专利权人:山东省计算中心(国家超级计算济南中心)
申请日:2024-03-08
公开(公告)日:2024-04-09
公开(公告)号:CN117853491A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/44;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明属于数字图像处理和计算机视觉领域,提供了基于多场景任务下的少样本工业产品异常检测方法及系统,其技术方案为:将多场景下多种类别的工业产品图像数据集划分为训练集和测试集,所述训练集只包含正常产品图片,将测试集分为支持集和查询集,其中,支持集仅包含正常产品图片,查询集包括各类异常产品图片和对应的正常图片;利用深度对比学习方法构建双孪生网络框架,通过双孪生网络框架构建训练集对应的多场景任务下正常产品的特征分布的目标检测模型;基于训练后的多场景任务下正常产品的特征的目标检测模型建立支持集的特征分布,并通过查询集进行工业产品异常检测得到异常检测结果,可有效地解决实际工业多场景变换下存在的各种问题。
主权项:1.基于多场景任务下的少样本工业产品异常检测方法,其特征在于,包括如下步骤:获取多场景下多种类别的工业产品图像数据集;将多场景下多种类别的工业产品图像数据集划分为训练集和测试集,所述训练集只包含正常产品图片,将测试集分为支持集和查询集,其中,支持集仅包含正常产品图片,查询集包括各类异常产品图片和对应的正常图片;利用深度对比学习方法构建双孪生网络框架,通过双孪生网络框架构建训练集对应的多场景任务下正常产品的特征分布的目标检测模型;基于训练后的多场景任务下正常产品的特征的目标检测模型建立支持集的特征分布,并通过查询集进行工业产品异常检测得到异常检测结果。
全文数据:
权利要求:
百度查询: 山东省计算中心(国家超级计算济南中心) 基于多场景任务下的少样本工业产品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。