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！

龙图腾网获悉济南大学申请的专利一种基于先验引导多语义融合的图像异常检测和定位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：CN116843614B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202310524403.5，技术领域涉及：G06T7/00；该发明授权一种基于先验引导多语义融合的图像异常检测和定位方法是由徐睦浩;周雪莹;史欣妤;张凤航;张梦娇设计研发完成，并于2023-05-11向国家知识产权局提交的专利申请。

本一种基于先验引导多语义融合的图像异常检测和定位方法在说明书摘要公布了：本发明涉及计算机视觉处理技术领域，特别涉及一种基于先验引导多语义融合的图像异常检测和定位方法，所述方法的实现包括内容如下：通过预先训练好的视觉‑语言网络提取正常图像的抽象全局语义，然后构建可学习的语义编码库，通过向量离散化来存储正常样本的代表性特征向量。最后，将上述多语义特征进行融合后，作为解码器的输入，引导异常图像重建为正常，以此来检测和定位异常。本发明通过能够在没有任何异常先验的情况下，准确检测并定位到图像中存在的异常。极大的提高了检测效率和准确性。

本发明授权一种基于先验引导多语义融合的图像异常检测和定位方法在权利要求书中公布了：1.一种基于先验引导多语义融合的图像异常检测和定位方法，其特征在于，所述方法的实现包括内容如下： 通过预训练的视觉-语言网络提取正常图像的抽象全局语义特征； 通过外部数据集训练的教师编码器网络提取正常图像的特征； 将教师网络每层提取的特征通过向量离散化并构建可学习的语义编码库对提取特征进行替换； 将上述多语义特征进行融合后，作为学生解码器网络的输入，引导异常图像重建为正常，以此来检测和定位异常； 所述方法实现步骤如下： 步骤1、获取待检测图像数据，并对图像进行预处理操作； 步骤2、将预处理后的图像输入到经过预训练的教师编码器网络中来获得全局的图像特征； 步骤3、将图像的文本标签输入到预训练的视觉-语言网络提取正常图像的抽象全局语义特征； 步骤4、将教师编码器网络中每一层的特征进行离散化，并构建可学习的语义编码库对提取的特征进行替换； 步骤5、将上述特征进行融合送入学生解码器中，进行蒸馏训练； 步骤6、将测试数据输入所述预训练网络和到预训练的视觉-语言网络进行测试； 步骤7、计算所述测试数据得到的重建误差，进而对异常进行检测和定位； 所述步骤1包括以下步骤： 步骤11，采集图像数据，定义原始图像为X∈RC×H×W；其中C代表图像维度，H表示图像的高，W表示图像的宽； 步骤12，对图像数据进行尺寸缩放处理，公式如下： 其中，Sx,y表示缩放后的图像中对应的像素点，x,y为像素点坐标，X表示原始图像，Xw和Xh表示原始图像的宽和高，Sw和Sh表示缩放后图像的宽和高； 步骤13，对图像数据进行归一化，公式如下： 其中，Smax，Smin分别表示图像中全部像素具体数值的最大值和最小值； 步骤14，对图像数据进行标准化，公式如下： 其中mean·代表各个通道的均值，std·代表各个通道的标准差； 所述步骤2包括以下步骤： 步骤21，获得图像的全局特征，具体表示为： 其中，xi代表数据集中的数据，代表预训练的教师编码器网络； 步骤22，对全局特征fig进一步下采样获得全局特征Fig∈RC×H×W 所述步骤3包括以下步骤： 步骤31，获得图像的全局语义特征，具体表示为： 其中，ti代表数据集中的图像的标签类别，代表预训练的视觉-语言网络，ti∈R1×512； 步骤32，对全局语义特征进行温度扩充并上采样，使得其尺寸与图像全局特征大小一致，获得特征Ti∈RC×H×W 所述步骤4包括以下步骤： 步骤41，获得教师编码器网络中每一层的特征进，具体表示为： 其中，xi代表数据集中的数据，代表预训练网络，l代表不同层的特征，l选择1、2、3、4； 步骤42，将每一层的特征离散化，并构建可学习的语义编码库，具体表示为： 其中，Vl∈Rk×c，表示k个维度为c的fi,lp,q表示不同层p,q位置的图像特征，表示fle中的特征；通过重复上述操作，最终的通过聚合这些特征向量fi,lp,q′得到输出特性flv，所述重参数模块的优化目标为： Lvg′＝‖sg[fle]-flv‖2+‖fle-sg[flv]‖2 其中，sg[]表示停止梯度算符。

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济南大学，其通讯地址为：250000 山东省济南市市中区南辛庄西路336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。