公开(公告)号：CN113297804B

公开(公告)日：2022-02-25

申请号：CN202110706976.0

申请日：2021-06-24

Applicant: 上海交通大学

Inventor： 乐心怡 ,  陈彩莲 ,  尤志远 ,  陈李洋

IPC: G06F30/27 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/08

公开(公告)号：CN111127454A

公开(公告)日：2020-05-08

申请号：CN201911376015.7

申请日：2019-12-27

Applicant: 上海交通大学

Inventor： 乐心怡 ,  李钧正 ,  尤志远 ,  陈李洋 ,  习俊通

IPC: G06T7/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供了一种基于深度学习生成工业缺陷样本的方法及系统，包括：步骤1：采集工业缺陷产品图片，并在工业缺陷产品图片上标注缺陷信息；步骤2：构建对抗生成深度模型；步骤3：根据标注的缺陷信息，在抗生成深度模型中进行对抗训练；步骤4：训练获得缺陷样本；步骤5：对缺陷样本进行筛选，剔除不符合预设的缺陷样本，得到工业缺陷样本。本发明所生成的工业缺陷图片互相关性弱，缺陷特征突出，且具有较高的精细结构质量；本发明所生成的工业缺陷图片质量较高，能够显著提升依据其所训练的深度缺陷检测网络的性能指标。

公开(公告)号：CN113297804A

公开(公告)日：2021-08-24

申请号：CN202110706976.0

申请日：2021-06-24

Applicant: 上海交通大学

Inventor： 乐心怡 ,  陈彩莲 ,  尤志远 ,  陈李洋

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明提供了一种基于U‑Transformer多层次特征重构的异常检测方法及系统，包括如下步骤：模型建立步骤：建立U‑Transformer模型；推断步骤：通过U‑Transformer模型对样本进行异常检测。本发明完全使用正常样本进行训练，提取多尺度的特征信息，并通过从局部到整体的多层次特征重构的方式进行异常检测；在有部分异常样本参与训练的时候，U‑Transformer模型的异常检测能力将会得到进一步的提升，有利于提高特征重构的异常检测的效果。