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！

龙图腾网获悉中山大学申请的专利一种基于对比学习的图像异常检测方法及系统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：CN118115450B 。

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：202410212207.9，技术领域涉及：G06T7/00；该发明授权一种基于对比学习的图像异常检测方法及系统是由赖剑煌;张泽宇设计研发完成，并于2024-02-27向国家知识产权局提交的专利申请。

本一种基于对比学习的图像异常检测方法及系统在说明书摘要公布了：本发明涉及计算机视觉技术领域，特别公开了一种基于对比学习的图像异常检测方法及系统，本方法将对比学习成功地引入到图像异常检测中，该方法的特征提取网络能够有效地提取输入样本的特征，而判别网络输出的异常区域定位和得分不仅能准确地标出异常区域，同时也能量化异常程度，并且考虑了样本对在对比学习中的重建损失、对比损失和差异损失，从而实现对异常情况的更精准识别和处理，显著提高了方法的稳定性和可靠性，避免出现难以有效区分异常样本与正常样本的情况；相较于现有的技术，本方法采用非对称的特征提取网络和判别网络，简化了异常检测流程，有效降低了检测时延。

本发明授权一种基于对比学习的图像异常检测方法及系统在权利要求书中公布了：1.一种基于对比学习的图像异常检测方法，其特征在于，包括以下步骤： 训练异常检测模型，所述异常检测模型包括特征提取网络和判别网络； 将待判别的测试图像输入至所述特征提取网络，得到深度特征； 将所述待判别的测试图像输入至训练好的所述判别网络，得到判别特征； 基于样本异常概率公式，结合所述深度特征和所述判别特征进行计算，得到异常检测结果； 其中，所述判别网络的训练方法如下： 获取训练样本； 基于图像块的样本生成策略对所述训练样本进行处理，得到正样本和负样本，并将所述训练样本、所述正样本和所述负样本组成训练样本对； 将所述训练样本对输入至特征提取网络，得到第一训练深度特征； 将所述训练样本对输入至判别网络，得到第二训练深度特征； 根据所述第一训练深度特征和所述第二训练深度特征，计算总损失，并训练所述判别网络，所述总损失包括重建损失、对比损失和差异损失； 所述基于图像块的样本生成策略对所述训练样本进行处理，得到正样本和负样本，具体包括以下步骤： 将所述训练样本分成多个预设大小的分块； 将多个所述分块以预设顺序拼接，得到拼接矩阵； 计算所述拼接矩阵的相似矩阵； 基于所述相似矩阵，根据预设阈值确定多对第一交换块和多对第二交换块； 交换每一对中的两个所述第一交换块在所述训练样本中的相对位置，得到所述正样本； 交换每一对中的两个所述第二交换块在所述训练样本中的相对位置，得到所述负样本； 所述判别网络包括网络结构各异的判别网络Student部分和判别网络Autoencoder部分； 所述判别网络Student部分的网络结构与所述特征提取网络的网络结构相同； 所述判别网络Autoencoder部分为引入自注意力层的神经网络结构； 所述根据所述第一训练深度特征和所述第二训练深度特征，计算总损失，具体包括以下步骤： 计算所述负样本和所述训练样本在所述特征提取网络输出与所述负样本和所述训练样本在所述判别网络输出的重建损失； 计算所述正样本、所述负样本和所述训练样本在所述判别网络输出之间的对比损失； 计算所述训练样本在所述判别网络不同部分的输出的差异损失。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。