-
公开(公告)号:CN114821187A
公开(公告)日:2022-07-29
申请号:CN202210545591.5
申请日:2022-05-19
Applicant: 济南大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06V10/771 , G06K9/62 , G06T7/00 , G06T7/73 , G06T3/40 , G06T5/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于判别学习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:通过基于外部数据集训练的网络,对原始图像进行特征提取;采用梯度偏好的方法进行特征选择;将得到的特征送入带有中心约束的判别网络中进行异常检测。本发明通过能够在不需要异常数据的情况下,准确检测并定位到图像中存在的异常。在解决图像异常检测和定位上表现出强大的性能和理论优势。极大的提高了检测效率和准确性。
-
公开(公告)号:CN116843614A
公开(公告)日:2023-10-03
申请号:CN202310524403.5
申请日:2023-05-11
Applicant: 济南大学
IPC: G06T7/00 , G06T7/73 , G06T3/40 , G06V10/44 , G06V10/22 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/096 , G06N3/088
Abstract: 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。
-