申请/专利权人：南京航空航天大学

申请日：2023-10-12

公开（公告）日：2024-04-26

公开（公告）号：CN117372720B

主分类号：G06V10/52

分类号：G06V10/52;G06N3/0455;G06N3/088;G06N3/0464;G06N3/0499;G06T5/00;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.01.26#实质审查的生效;2024.01.09#公开

摘要：本申请公开了一种基于多特征交叉掩码修复的无监督异常检测方法，涉及无监督检测技术领域，该方法在提取多尺度特征图后，利用若干子掩码图采用交叉掩码的方式将多尺度特征图处理为被遮挡特征图，然后利用修复网络进行图像修复得到重建特征图，比较原始的多尺度特征图和重建特征图即可准确、快速地检测出异常区域。该方法结合了现有无监督异常检测方法中两类方法，将特征学习和深度重建结合使用，针对提取得到的多尺度特征图进行重建任务，可以获得更多有利于区分正常样本和异常样本的语义信息，利用子掩码图采用交叉掩码的方式将特征重建问题转换为特征修复问题，可以有效地阻止异常区域的重建，具有较好的检测准确性。

主权项：1.一种基于多特征交叉掩码修复的无监督异常检测方法，其特征在于，所述无监督异常检测方法包括：对输入图像进行多尺度的特征提取得到所述输入图像的多尺度特征图；分别利用若干幅子掩码图对所述多尺度特征图进行处理，得到若干幅被遮挡特征图，各幅子掩码图的尺寸与所述多尺度特征图相同，且各个子掩码图的遮挡区域互不相交；利用基于Transformer的修复网络对每幅被遮挡特征图进行图像修复得到对应的修复图，并联合各幅修复图中被修复区域得到重建特征图；比较所述重建特征图与所述多尺度特征图得到对所述输入图像的异常检测结果；所述修复网络从输入到输出包括依次连接的头卷积模块、第一DefT模块、第一下采样模块、第二DefT模块、第二下采样模块、第三DefT模块、第一上采样模块、第四DefT模块、第二上采样模块、第五DefT模块以及尾卷积模块；所述第二DefT模块的输出特征与所述第四DefT模块的输出特征进行特征拼接后进入所述第二上采样模块进行上采样，所述第一DefT模块的输出特征与所述第五DefT模块的输出特征进行特征拼接后进入所述尾卷积模块进行卷积处理；每个DefT模块包括依次连接的两个DefT单元，每个DefT单元基于局部感知模块LPB、级联池化自注意力模块LMPS和卷积前馈网络CFFN构建得到。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于多特征交叉掩码修复的无监督异常检测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD