龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：山东省计算中心(国家超级计算济南中心)
摘要：本发明属于计算机视觉和图像识别技术领域，提供了一种基于细粒度文本提示特征工程的工业异常检测方法及系统，包括提取工业图像的文本特征、图像块特征和图像特征；利用图像特征对文本提示进行优化更新，得到细粒度文本提示特征；将图像块特征与细粒度文本提示特征进行相似性对比分析，将对比生成的异常结果图进行相加融合得到最终的异常检测结果；优化模型的参数，使损失函数最小，利用训练好的模型进行测试集的异常检测。本发明针对少样本工业图像异常检测，通过特征提取模块、细粒度文本提示工程模块和跨模态空间域多粒度交互模块搭建异常检测模型框架，提高了模型的泛化能力。
主权项：1.基于细粒度文本提示特征工程的工业异常检测方法，其特征在于，包括以下步骤：提取工业图像的文本特征、图像块特征和图像特征；利用图像特征对文本提示进行优化更新，得到细粒度文本提示特征，具体为：对文本特征和图像特征进行线性变换，将两者的结果进行逐元素的加权融合操作，得到第一文本提示特征，将图像特征与文本特征进行跨模态高效融合，得到第二文本提示特征，将第一文本提示特征和第二文本提示特征进行动态融合得到细粒度文本提示特征；将图像块特征与细粒度文本提示特征进行相似性对比分析，将对比生成的异常结果图进行相加融合得到最终的异常检测结果；优化模型的参数，使损失函数最小，利用训练好的模型进行测试集的异常检测；使用多模态异构配比损失函数对细粒度文本提示的训练优化： 其中，是模型参数，是正则化系数，代表求L2范数，代表矩阵相乘操作，是文本特征和图像特征之间的注意力权重，是转换矩阵操作，是全局性的图像特征，是细粒度文本提示特征；采用一个全局损失函数对异常检测性能进行优化： 其中，表示用FocalLoss损失函数，表示Sørensen-DiceLoss损失函数，是指训练图像对应的真实标签值，代表了损失平衡权重参数，是异常值结果图；通过多模态异构配比损失函数和全局损失函数的加权组合，更新整个方法框架和各个模块的学习训练: 其中，为多模态异构配比损失函数，为全局损失函数，是各个损失函数的权重参数。
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) 基于细粒度文本提示特征工程的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