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！

龙图腾网获悉华中科技大学;武汉精测电子集团股份有限公司;武汉精立电子技术有限公司申请的专利基于高效学生网络的未知类型缺陷检测方法与装置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：CN115641474B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202211295955.5，技术领域涉及：G06V10/764；该发明授权基于高效学生网络的未知类型缺陷检测方法与装置是由白翔;章哲彦;罗东亮;杨子豪;蔡雨萱;周瑜;郑增强;刘荣华设计研发完成，并于2022-10-21向国家知识产权局提交的专利申请。

本基于高效学生网络的未知类型缺陷检测方法与装置在说明书摘要公布了：本发明公开了一种基于高效学生网络的未知类型缺陷检测方法。所述方法包括以下步骤：提出了一种预训练方法，通过让各个类别数据的平均损失最低的策略，在第三方数据集上对学生网络参数进行更新，得到了一个具有较强泛化能力的学生网络初始化模型，随后，在上述训练策略的基础上，在网络中通过多任务学习的思路和注意力机制的思想，加入了自适应权重模块和分类网络辅助学生网络训练，提升了预训练模型在异常检测任务上的效果。利用本发明提出的方法得到的初始化模型，在后续异常检测任务中，面对不同新类型的数据进行训练时，仅使用少量样本，即可实现快速收敛，并在测试阶段达到较好的异常检测效果。本发明还提供了相应的基于高效学生网络的未知类型缺陷检测装置。

本发明授权基于高效学生网络的未知类型缺陷检测方法与装置在权利要求书中公布了：1.一种基于高效学生网络的未知类型缺陷检测方法，其特征在于，包括如下步骤： 步骤S1，构建教师网络1，准备一个在ImageNet数据集上预训练好的ResNet18网络，并将ImageNet中图像随机裁剪为边长为预设值的图像块，将图像块同时输入教师网络1和预训练好的ResNet18网络，约束教师网络1的输出特征和预训练好的ResNet18网络的输出特征相同，在后续步骤中教师网络1的参数都被固定； 步骤S2，在MSRA10K数据集上利用K-means聚类算法，将该数据集划分为N个粗组，在每个粗组中计算样本到中心特征的结构相似性距离，保留距离中心最近的M个样本，据此构造含有N个类别的数据集2，所述M和N为预设值； 步骤S3，构建预训练网络3，预训练网络3由学生网络4、自适应权重模块、特征融合模块和分类模块组成，其中自适应权重模块为学生网络4不同层特征提供不同的权重，特征融合模块将学生网络不同层特征与其对应的权重相乘再进行特征融合，然后将融合后的特征输入分类模块中，分类模块输出分类标签； 步骤S4，训练预训练网络3，首先将数据集2中每一类数据划分为训练样本5和验证样本6，将训练样本5输入到预训练网络3中，首先约束学生网络4在训练样本5上提取的特征与教师网络1提取的特征相同，随后将学生网络4的中间层输出特征与最终输出特征分别经过自适应权重模块，并将不同层特征与对应的权重相乘输入特征融合模块，将融合后特征输入分类模块，预测特征的类别，随后，将完成训练后的预训练网络3在验证样本6上计算损失函数，并回传该损失函数，更新还未输入训练样本5进行更新前的预训练网络3的参数； 步骤S5，在异常检测任务上的训练阶段，准备训练样本7，将其输入到学生网络4中，此时学生网络4的初始化参数为完成步骤S4训练后的学生网络4的参数，随后约束学生网络4在训练样本7上提取的特征与教师网络1提取的特征相同； 步骤S6，测试阶段，将含有异常区域的测试样本8同时输入教师网络1和学生网络4中，通过异常得分函数9计算两者提取的特征图在特征空间的距离，得到异常得分图，随后通过设置阈值对异常得分图进行二值化，得到该阶段的输出。

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华中科技大学;武汉精测电子集团股份有限公司;武汉精立电子技术有限公司，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。