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！

龙图腾网获悉青岛理工大学申请的专利一种基于对比样本的建筑缺陷检测分类方法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：CN120877123B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511233670.2，技术领域涉及：G06V20/10；该发明授权一种基于对比样本的建筑缺陷检测分类方法是由赵锟;何文彬;班淇超;蒋金明;宋传旺;任贺雷;唐桂林设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本一种基于对比样本的建筑缺陷检测分类方法在说明书摘要公布了：本发明属于图像分类技术领域，具体涉及一种基于对比样本的建筑缺陷检测分类方法。该方法包括以下步骤：对原始数据进行人工特征标注及数据增强；微调深度抠图模型U2‑Net，生成无特征背景图对立样本；搭建模型进行图像分类；计算模型损失；调整损失权重，使模型达到最佳的分类效果。本发明的方法通过设计的对比损失函数来约束模型对数据特征复杂的标签类别进行识别，同时采用交叉熵损失函数对单一类别数据进行分类，二者结合能够有效提高模型对于复杂标签的识别能力。

本发明授权一种基于对比样本的建筑缺陷检测分类方法在权利要求书中公布了：1.一种基于对比样本的建筑缺陷检测分类方法，其特征在于，包括以下步骤： 步骤一：对原始数据进行人工特征标注及数据增强； 步骤二：微调深度抠图模型U2-Net，生成无特征背景图对立样本；具体包括：S1、从每类样本中随机选取若干张图像，采用抠图软件的抠图功能，手工对其进行特征抠除，生成与原始图像对应的无特征背景图； S2、将生成的无特征背景图输入具有预训练模型的U2-Net网络中，训练预设轮次对其进行模型微调，产生新的预训练模型，以适应建筑缺陷检测数据集； S3、采用新的预训练模型，对没有对比样本的原始数据进行图像抠除预测； S4、从预测效果中挑选视觉特征符合仅含背景图像数据作为与该原始图像的对立样本； S5、将筛选出的新的符合对立样本的数据送入预训练模型，再次对模型进行微调； S6、重复步骤S3-S5，直至所有样本均满足不含数据特征的背景图； 步骤三：搭建模型进行图像分类；具体步骤包括： 模型特征提取通道1以resnet50为骨干网络，得到原始数据特征； 模型特征提取通道2以resnet50为骨干网络，得到背景数据特征； 原始数据特征和背景数据特征融合生成融合数据特征； 融合数据特征通过softmax函数最终预测得到数据分类； 步骤四：计算模型损失： 原始数据特征的输出通过softmax函数得到每个原始数据类别的概率，对进行交叉熵损失计算得到，如式1所示： 1； 其中，是样本数量，表示第个样本，表示第个类别，表示网络通道1预测的第个样本为类别的概率； 融合数据特征的输出通过softmax函数得到每个融合数据类别的概率，对进行损失计算，得到融合数据损失值，如式2所示： 2； 模型损失通过损失权重系数将式1和式2融合，如式3所示： 3； 其中，和为损失权重系数； 步骤五：调整损失权重，使模型达到最佳的分类效果。

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青岛理工大学，其通讯地址为：266520 山东省青岛市黄岛区嘉陵江东路777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。