-
公开(公告)号:CN116883773A
公开(公告)日:2023-10-13
申请号:CN202310648281.0
申请日:2023-06-02
Applicant: 上海建科工程咨询有限公司 , 宁波海棠信息技术有限公司
IPC: G06V10/774 , G06V10/74 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/778 , G06N3/042 , G06N3/047 , G06N3/048 , G06N3/096
Abstract: 本发明公开了一种基于知识迁移的图像异常检测方法及系统,采用预训练教师网络和学生网络,构建图像异常检测初始模型;获取正常样本,通过帧内蒸馏将预训练教师网络的知识迁移到学生网络;存储预训练教师网络与学生网络之间表征差异最大的近异常样本作为帧间原型特征库;根据概率策略选择帧内蒸馏和帧间蒸馏,分别训练学生网络的正常样本表征能力和近异常样本的表征能力,得到图像异常检测模型,获得待检测图像样本的多尺度特征差异,作为图像异常得分,检测出图像异常样本。本发明有利于模型学习更丰富的正常样本特征,形成一个更符合实际需求的决策边界,从而降低异常检测的误检率,更加适合于工业表面缺陷检测等场景中的应用。
-
公开(公告)号:CN118587190A
公开(公告)日:2024-09-03
申请号:CN202410761768.4
申请日:2024-06-13
Applicant: 宁波海棠信息技术有限公司
IPC: G06T7/00
Abstract: 本发明提供了一种类别自适应图像异常检测方法及系统,提供一异常检测模型,训练时,从原型库中任选与输入样本同类别的作为参考样本,并通过空间对齐模块将参考样本与待训练的输入对齐;通过编码器提取输入样本与参考样本的特征;通过疑似异常替换模块将输入样本中的潜在异常特征进行替换;通过输入‑参考融合模块将参考样本和输入样本的特征进行融合;将融合的特征输入解码器,得到输入样本的重建特征。异常检测时,无需微调模型,直接重复上述流程得到重建差异,并得到异常得分。本发明大大降低了存储成本、人工成本和计算开销,更加适合于产品种类多样化且不断更新的工业产品表面缺陷检测等应用。
-
公开(公告)号:CN116228651A
公开(公告)日:2023-06-06
申请号:CN202211660583.1
申请日:2022-12-23
Applicant: 宁波海棠信息技术有限公司
IPC: G06T7/00 , G06V10/774 , G06V10/44 , G06T7/13 , G06T5/00 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明属于缺陷检测技术领域,提供了一种布匹缺陷检测方法、系统、设备及介质,由应用软件采集布匹图像并传输至检测系统;将所采集的图像按不同检测模型的需求进行预处理;将不同预处理后的图像分别作为异常检测模型、目标检测模型及边缘检测模型的输入进行缺陷检测,对各检测模型得到的检测结果进行合并,并在滤除折痕检测结果和伪瑕疵检测结果后,得到最终的检测结果。本发明的优点在于通过多模型融合的缺陷检测方法,有利于提高布匹缺陷检出率,降低误检率,从而满足大批量自动化工业生产中的缺陷检测要求,节省人力成本。
-
-