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！

龙图腾网获悉浙江科技大学申请的专利一种基于多网络协同对比的鲁棒无监督图像异常检测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：CN121482063B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610032776.4，技术领域涉及：G06T7/00；该发明授权一种基于多网络协同对比的鲁棒无监督图像异常检测方法是由谭谞;陈超辉;高海东;于洋设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本一种基于多网络协同对比的鲁棒无监督图像异常检测方法在说明书摘要公布了：本发明公开了一种基于多网络协同对比的鲁棒无监督图像异常检测方法。获取预先筛选出的无异常产品的图像作为正常图像，进而对正常图像进行异常合成操作生成模拟异常图像和异常区域掩码图像，正常图像、模拟异常图像和异常区域掩码图像共同构建混合数据集；构建工业图像异常检测模型，将混合数据集输入工业图像异常检测模型进行训练，得到训练好的工业图像异常检测模型；将待测工业图像输入到训练好的工业图像异常检测模型中得到重构特征图，进而对重构特征图进行融合处理得到像素级总异常得分图；根据像素级总异常得分图判断待测工业图像是否异常。本发明能够专注于对真实异常的校正，从而极大地降低了误报率，增强了在复杂工业环境下的鲁棒性。

本发明授权一种基于多网络协同对比的鲁棒无监督图像异常检测方法在权利要求书中公布了：1.一种基于多网络协同对比的鲁棒无监督图像异常检测方法，其特征在于，方法包括以下步骤： S1、获取预先筛选出的无异常产品的图像作为正常图像，进而对正常图像进行异常合成操作生成模拟异常图像和异常区域掩码图像，正常图像、模拟异常图像和异常区域掩码图像共同构建混合数据集； S2、构建工业图像异常检测模型，将混合数据集输入到工业图像异常检测模型进行训练，得到训练好的工业图像异常检测模型； S3、将待测工业图像输入到训练好的工业图像异常检测模型中进行重构得到重构特征图，进而对重构特征图进行融合处理得到像素级总异常得分图； S4、根据像素级总异常得分图判断待测工业图像是否异常； 所述步骤S2中，工业图像异常检测模型包括哨兵网络、学生网络、瓶颈模块和网络参数冻结的教师网络，将混合数据集中的正常图像和对应的模拟异常图像共同输入教师网络和哨兵网络，教师网络和哨兵网络分别输出各自的正常图像和模拟异常图像的多尺度特征图，根据教师网络输出的正常图像的多尺度特征图、哨兵网络输出的模拟异常图像的多尺度特征图以及混合数据集中的异常区域掩码图像计算哨兵网络的损失函数，随后将教师网络和哨兵网络各自输出的正常图像和模拟异常图像的多尺度特征图输入至瓶颈模块，处理得到教师网络和哨兵网络的压缩特征图，进而将教师网络和哨兵网络的压缩特征图输入至学生网络，学生网络分别输出在教师网络和哨兵网络指导下的重构特征图，根据教师网络指导下的重构特征图、哨兵网络指导下的重构特征图以及教师网络和哨兵网络输出的正常图像的多尺度特征图计算学生网络的损失函数并与哨兵网络的损失函数加权求和得到总损失函数，进而反向传播更新工业图像异常检测模型。

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浙江科技大学，其通讯地址为：310023 浙江省杭州市西湖区留和路318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。