买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东工业大学申请的专利一种基于图传播的主动学习异常检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115761435B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211385890.3，技术领域涉及：G06V10/82；该发明授权一种基于图传播的主动学习异常检测方法及系统是由曹江中;萧堪鸿;黄金熙设计研发完成，并于2022-11-07向国家知识产权局提交的专利申请。

本一种基于图传播的主动学习异常检测方法及系统在说明书摘要公布了：本发明公开了一种基于图传播的主动学习异常检测方法及系统，涉及图像异常检测的技术领域，采集产品图像后进行预处理，构建预训练自动编码器并训练，通过训练得到的自动编码器获得不包含低级特征的图像编码，并进一步重构，不仅能取得更连续平滑的图像低维表示，还能获得更好的异常检测性能。基于k‑近邻传播矩阵的图传播更新图像标注信息，使得更新图像标注信息的耗时更低，而且在主动学习阶段同时考虑了图像样本的不确定性和代表性，并挑选最具代表性的图像样本，对图像样本分空间进行了充分的探索，有效提升了主动学习的性能，最后将待检测的产品图像输入异常检测模型中，得到待检测产品的异常得分，异常检测性能佳。

本发明授权一种基于图传播的主动学习异常检测方法及系统在权利要求书中公布了：1.一种基于图传播的主动学习异常检测方法，其特征在于，所述方法包括以下步骤： S1.随机采集若干产品的图像，并进行预处理，得到产品图像集； S2.构建预训练自动编码器；以重构误差和L2正则化作为目标函数，利用产品图像集训练预训练自动编码器，直至收敛，训练完成，得到自动编码器； S3.利用自动编码器获得产品图像集中每张图像的编码和重构误差，构建k-近邻传播矩阵作为图结构的邻接矩阵，以进行边权传播； S4.挑选最具代表性的图像样本进行人工标注，并利用人工标注和重构误差构建包含样本不确定性和代表性的信息矩阵，用于初始化图结构的节点信息； S5.利用图结构的边权为每个节点向相邻节点传播不确定性和代表性，通过启发式样本选择策略挑选图像样本进行主动学习；迭代执行，直到标注预算耗尽，主动学习结束； S6.利用节点的不确定性和邻接关系为每个图像样本计算训练权重，并结合权重重新训练预训练自动编码器，以作为异常检测模型； S7.采集待检测产品的图像数据并进行S1中所述的预处理，最后输入至异常检测模型中，使用重构误差计算待检测产品的异常得分。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。