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！

龙图腾网获悉天津大学申请的专利基于蒸馏和记忆库指引重建的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：CN117173131B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202311140030.8，技术领域涉及：G06T7/00；该发明授权基于蒸馏和记忆库指引重建的异常检测方法是由杨敬钰;王浩晨;岳焕景;郭锋设计研发完成，并于2023-09-05向国家知识产权局提交的专利申请。

本基于蒸馏和记忆库指引重建的异常检测方法在说明书摘要公布了：本发明公开了基于蒸馏和记忆库指引重建的异常检测方法，涉及图像异常检测技术领域。基于蒸馏和记忆库指引重建的异常检测方法，包括如下步骤：S1、获取模拟的异常检测图像；S2、构建网络架构；S3、设计异常检测方案，并依据所设计的方案搭建图像异常检测模型；S4、利用深度学习Pytorch框架训练模型；S5、向模型中输入待检测的图像，获得异常检测结果；本发明利用提出的基于蒸馏和记忆库引导的异常重建方法和基于高斯噪声的正常图像退化方法，将图像异常检测性能提升到了新的高度。

本发明授权基于蒸馏和记忆库指引重建的异常检测方法在权利要求书中公布了：1.基于蒸馏和记忆库指引重建的异常检测方法，其特征在于，具体包括以下步骤： S1、获取模拟的异常图像：给定第一正常图像In和外部数据集图像T，通过柏林噪声随机生成掩码M，通过掩码M融合第一正常图像In和外部数据集图像T，得到模拟的异常图像Ia；接着，随机选取高斯模糊核k，与模拟的异常图像Ia卷积后得到退化的图像Ipa； S2、构建网络框架：设计由自动编码器构成的轻量的相同的教师网络Gt和负责异常重建的学生网络Gs，一个分割网络Gseg以及一个用于存放参考特征的记忆库Ω，利用教师网络Gt、学生网络Gs以及记忆库Ω共同构成基于蒸馏和记忆库指引的异常重建框架，利用学生网络Gs和分割网络Gseg共同构成异常检测框架； S3、设计方案、搭建模型：基于正常样本的特征先验，结合S1～S2中所述模拟异常图像数据和网络框架设计图像异常检测方案，并依据所设计的方案搭建图像异常检测模型，所述方案具体包括如下内容： ①基于正常样本特征的先验获取：训练一个对正常图像进行重建的自动编码器，将得到的自动编码器模型作为教师网络Gt，利用其中丰富的正常样本信息对学生网络Gs进行蒸馏指引； ②记忆库中参考特征获取：随机选取n个正常样本作为参考样本，通过教师网络Gt的编码器进行特征提取，将提取到的特征嵌入到记忆库Ω； ③特征蒸馏：将模拟的异常图像Ipa输入学生网络Gs，将对应的正常图像In输入教师网络Gt，首先通过输入卷积层变成特征图，之后编码器每两层卷积层通过一个步长为2的3×3卷积层将特征图尺度缩小2次，教师网络Gt在每个尺度上对学生网络Gs的特征进行蒸馏； ④参考特征和学生网络提取特征的融合处理：将学生网络Gs提取的特征Fq通过匹配，在记忆库Ω中找出匹配度最高的特征Fm，将所述Fm通过卷积模块进行调整，随后通过空间注意力模块将Fm与Fq进行融合，得到融合后的特征Ff； ⑤教师网络和学生网络输出：融合后的特征Ff通过学生网络Gs的解码器，重建为第二正常图像Isr，将第一正常图像In通过教师网络Gt重建为第三正常图像Itr； ⑥异常分割网络处理：将图像对Isr，Itr输入到分割网络Gseg，得到中间概率图Mo，通过激活函数和池化操作得到像素级异常得分图； ⑦损失函数模块设计：将教师网络Gt，学生网络Gs和分割网络Gseg通过在线知识蒸馏损失，重建损失和分割损失进行联合优化； S4、训练模型：利用深度学习Pytorch框架训练模型，遍历S1中所构建的模拟异常数据集直到学生网络Gs和分割网络Gseg的损失函数收敛； S5、输出结果：将S1中获得的缺失人脸图像数据集中的数据对输入到S4中训练得到的稳定模型中，获得人脸图像修复结果。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。