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！

龙图腾网获悉杭州汇萃智能科技有限公司申请的专利基于扩散模型的无监督异常检测方法、系统和可读存储介质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：CN120162727B 。

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：202510644737.5，技术领域涉及：G06F18/2433；该发明授权基于扩散模型的无监督异常检测方法、系统和可读存储介质是由赵书雯;陈安;周才健;周柔刚设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本基于扩散模型的无监督异常检测方法、系统和可读存储介质在说明书摘要公布了：本发明公开的一种基于扩散模型的无监督异常检测方法、系统和可读存储介质，其中方法包括：利用预训练的ResNet50网络提取风格特征，利用预训练的编码器得到输入图像的潜空间表示；分别利用预设S2A模块和预设S2T模块处理所述风格特征得到处理后的风格特征并输入扩散模型；同时将潜空间表示输入扩散模型，输出最终去噪后的潜空间表示，解码最终去噪后的潜空间表示得到重建图像；分别将风格特征和重建图像输入异常判别模块，输出异常图。本发明提高了图像异常检测的准确率。

本发明授权基于扩散模型的无监督异常检测方法、系统和可读存储介质在权利要求书中公布了：1.一种基于扩散模型的无监督异常检测方法，其特征在于，包括以下步骤： 利用预训练的ResNet50网络提取输入图像的风格特征，利用预训练的编码器得到输入图像的潜空间表示； 分别利用预设S2A模块和预设S2T模块处理所述风格特征得到处理后的风格特征并输入扩散模型，将深层风格特征转化为token并注入全部的解码层，将浅层风格特征注入解码层的不同层中；同时将潜空间表示输入扩散模型，输出最终去噪后的潜空间表示； 解码最终去噪后的潜空间表示得到重建图像； 分别将风格特征和重建图像输入异常判别模块，输出异常图； 所述利用预训练的ResNet50网络提取风格特征，包括以下步骤： 给定输入图像，使用预训练的ResNet50网络的前四层提取特征图； ，，，，其中，，分别表示从ResNet50网络的前四个卷积层中提取的特征图； 表示第n层的输出，其中n=1,2,3,4； 计算每层特征图的Gram矩阵： 对每个提取的特征图进行Gram矩阵计算，用于描述图像的风格特征，其中=1,2,3,4： ，其中，表示第层的Gram矩阵，，，分别表示第层特征图的通道数、高度和宽度，表示第层的特征图，维度为； 利用S2A模块处理所述风格特征，包括以下步骤： 使用注意力机制通过浅层特征图计算注意力权重： ，其中,表示浅层特征图经过线性变换得到的查询矩阵Q;表示浅层特征图经过线性变换得到的键矩阵K;表示可训练的权重矩阵; 注意力权重表示特征图不同位置之间的相关性，通过softmax函数归一化; 将生成的注意力权重作用于特征图的值矩阵V，生成增强的特征图： ，其中,表示浅层特征图经过线性变换得到的值矩阵V;表示可训练的权重矩阵； 所述S2T模块处理所述风格特征，包括以下步骤： 将从Gram矩阵提取的风格特征G输入到转化网络，生成固定长度的token： ，其中，表示由风格特征转化生成的token；表示将Gram矩阵特征G转化为固定长度token的转化网络函数； 将风格token 与扩散模型的条件特征结合，形成最终的扩散模型输入： ，其中，表示作为扩散模型输入的条件特征，表示将风格token 和条件特征在特定维度上拼接。

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杭州汇萃智能科技有限公司，其通讯地址为：310000 浙江省杭州市余杭区文一西路998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”。