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！

龙图腾网获悉西安电子科技大学申请的专利基于扩散模型的分层语义重构的无监督OOD检测方法及装置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：CN119399762B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411372461.1，技术领域涉及：G06V20/70；该发明授权基于扩散模型的分层语义重构的无监督OOD检测方法及装置是由程德;杨映;方超伟;王楠楠;高新波设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本基于扩散模型的分层语义重构的无监督OOD检测方法及装置在说明书摘要公布了：本发明公开了一种基于扩散模型的分层语义重构的无监督OOD检测方法及装置，包括：获取待检测数据；通过预设的处理模型对待检测数据进行处理，以将待检测数据进行多层语义特征提取，得到多层特征；将多层特征依次进行归一化后和扭曲，将扭曲后的多层特征进行逐层语义特征重构，得到多层重构特征；获取多层重构特征与归一化后的多层特征向量之间的重构误差，如果重构误差符合预设条件，则确定待检测数据为分布外数据。本发明能够显著提高检测效率，并加快检测速度。

本发明授权基于扩散模型的分层语义重构的无监督OOD检测方法及装置在权利要求书中公布了：1.一种基于扩散模型的分层语义重构的无监督OOD检测方法，其特征在于，包括： 获取待检测数据；所述待检测数据为图像； 通过预设的处理模型对所述待检测数据进行处理，以将所述待检测数据进行多层语义特征提取，得到多层特征； 将所述多层特征依次进行归一化后和扭曲，将扭曲后的多层特征进行逐层语义特征重构，得到多层重构特征； 获取所述多层重构特征与归一化后的多层特征向量之间的重构误差，如果所述重构误差符合预设条件，则确定所述待检测数据为分布外数据； 在所述通过预设的处理模型对所述待检测数据进行处理之前，还包括： 构建处理模型； 通过对初始的处理模型进行训练，设定所述处理模型的参数，得到所述预设的处理模型； 其中，所述处理模型包括编码器、归一化层和潜在特征扩散网络，所述编码器的输入端接收所述待检测数据，用于提取所述待检测数据的多层特征，所述归一化层的输入端与所述编码器的输出端连接，用于将所述多层特征进行归一化处理，得到多层特征向量，对所述多层特征向量中的每一层特征向量添加高斯噪声向量，得到多层低维特征向量，所述潜在特征扩散网络的输入端接收所述多层低维特征向量和嵌入时间步，用于将所述多层低维特征向量和所述嵌入时间步进行处理，得到多层初始重构特征，对所述多层初始重构特征进行采样，得到多层重构特征；其中，所述潜在特征扩散网络包括多个残差块，每个所述残差块均包括第一单元、第二单元和第三单元；其中，所述第一单元和所述第二单元的结构相同，均包括依次连接的组归一化层、SiLU函数和线性层，所述第三单元包括依次连接的线性层、SiLU函数和线性层； 所述潜在特征扩散网络的输入端接收所述多层低维特征向量和嵌入时间步，用于将所述多层低维特征向量和所述嵌入时间步进行处理，得到多层初始重构特征，包括： 不同所述残差块对应处理不同层的低维特征向量； 所述第一单元对所述低维特征向量进行处理，得到第一特征，所述第三单元对所述嵌入时间步进行处理，得到第二特征，将所述第一特征和所述第二特征进行拼接，将拼接后的特征输入至所述第二单元进行处理，得到第三特征，将所述第三特征与所述低维特征向量拼接，得到低维特征向量对应的初始重构特征； 经过所有所述残差块处理，得到多层初始重构特征，其表达式为： ； 其中，表示多层初始重构特征，表示潜在特征扩散网络的前馈过程，表示多层低维特征向量，表示嵌入时间步。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。