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！

龙图腾网获悉阿丘机器人科技(苏州)有限公司申请的专利一种模型无关的困难样本生成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：CN121121128B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511667755.1，技术领域涉及：G06V10/26；该发明授权一种模型无关的困难样本生成方法及系统是由吴雨培;孙铭杰;万志斌设计研发完成，并于2025-11-14向国家知识产权局提交的专利申请。

本一种模型无关的困难样本生成方法及系统在说明书摘要公布了：本发明提供一种模型无关的困难样本生成方法及系统，涉及异常检测与图像分割技术领域，该方法包括：获取真实图像及其分割掩膜；利用预训练特征提取网络构建真实数据原型；微调条件潜在扩散模型以适应目标分割任务；在模型采样过程中，通过目标区域裁剪和多样性损失最大化生成特征与原型间的差异，生成困难样本；迭代更新原型并重复生成多轮样本；最终将困难样本与真实数据混合得到扩增训练集，用于提升下游分割模型的性能。本发明无需依赖特定下游模型反馈，能够生成既真实又具备多样性和挑战性的样本，有效增强多种分割模型的泛化能力和鲁棒性。

本发明授权一种模型无关的困难样本生成方法及系统在权利要求书中公布了：1.一种模型无关的困难样本生成方法，其特征在于，包括： 步骤S1：获取目标分割任务对应的真实数据集，所述真实数据集包含真实图像及各真实图像对应的分割掩膜； 步骤S2：采用预训练的特征提取骨干网络对所述真实数据集中的所有真实图像进行特征提取，得到各真实图像的特征向量，计算所述特征向量的均值，构建初始真实数据原型； 步骤S3：加载预训练的条件潜在扩散模型，以所述分割掩膜作为条件输入注入所述条件潜在扩散模型，通过最小化设定的条件去噪得分匹配损失对所述条件潜在扩散模型进行微调，得到适配目标分割任务的微调后扩散模型； 步骤S4：基于所述微调后扩散模型进行采样生成图像，在采样过程中执行以下操作： 步骤S41：根据采样过程中当前预测的干净图像及设定的条件掩码，裁剪得到所述干净图像中的目标区域图像块； 步骤S42：采用所述特征提取骨干网络提取所述目标区域图像块的特征向量，计算该特征向量与真实数据原型的距离，通过设定的多样性损失最大化所述距离，生成困难样本； 所述步骤S4中还包括多目标损失联合优化步骤：构建总损失函数，所述总损失函数为所述条件去噪得分匹配损失与所述多样性损失的加权和，即，其中为预设加权系数，所述通过实验确定以平衡生成图像的真实性与多样性； 步骤S5：将所述步骤S4生成的困难样本与所述真实数据集合并，更新所述真实数据原型，返回步骤S4重复执行预设轮次，得到多轮困难样本；所述真实数据原型的更新过程为：设第轮迭代时，合并所述真实数据集与前轮生成的困难样本集合，得到合并数据集，采用所述特征提取骨干网络提取所述合并数据集中所有样本的特征向量，计算所述特征向量的均值，得到第轮的真实数据原型： ； 其中，为合并数据集中的样本，为样本的特征向量，表示集合中样本的数量； 步骤S6：将所述多轮困难样本与所述真实数据集混合，得到扩增训练集，用于训练下游分割模型。

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阿丘机器人科技(苏州)有限公司，其通讯地址为：215335 江苏省苏州市昆山开发区夏东街689号(A栋)18层；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。