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！

龙图腾网获悉安徽炬视科技有限公司申请的专利基于CLIP的双提示优化的少样本工业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：CN120672752B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511166408.0，技术领域涉及：G06T7/00；该发明授权基于CLIP的双提示优化的少样本工业异常检测方法是由李俊杰;徐配瑶;高胜楠;黄江欣;陈子豪;王成兵设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本基于CLIP的双提示优化的少样本工业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CLIP的双提示优化的少样本工业异常检测方法，包括利用可学习的正常词向量和异常词向量分别构建可学习的正常文本提示模板和异常文本提示模板；对用于进行模型训练的正常样本图像分别进行图像增强处理和图像异常合成处理，生成增强图像和异常合成图像；将可学习的正常文本提示模板和异常文本提示模板输入至CLIP模型中的文本编码器，得到文本提示嵌入；将正常样本图像、增强图像和异常合成图像分别输入至CLIP模型中的图像编码器，得到视觉嵌入；测量文本提示嵌入和视觉嵌入之间的相似性对可学习文本提示进行优化训练，以利用训练好的CLIP模型进行工业异常检测。

本发明授权基于CLIP的双提示优化的少样本工业异常检测方法在权利要求书中公布了：1.一种基于CLIP的双提示优化的少样本工业异常检测方法，其特征在于，包括： 利用可学习的正常词向量和异常词向量分别构建可学习的正常文本提示模板和异常文本提示模板； 对用于进行模型训练的正常样本图像分别进行图像增强处理和图像异常合成处理，生成增强图像和异常合成图像； 将可学习的正常文本提示模板和异常文本提示模板输入至CLIP模型中的文本编码器，得到文本提示嵌入； 将正常样本图像、增强图像和异常合成图像分别输入至CLIP模型中的图像编码器，得到视觉嵌入； 测量文本提示嵌入和视觉嵌入之间的相似性对可学习文本提示进行优化训练，以利用训练好的CLIP模型进行工业异常检测，所述视觉嵌入包括局部patch嵌入，在进行优化训练时所采用的损失包括基于文本提示嵌入和局部patch嵌入计算三元组损失和，公式表示为： 式中，，表示对局部patch嵌入进行归一化，、、分别表示经L2归一化后的正常样本、增强样本以及异常合成样本的局部patch嵌入，、分别表示经L2归一化后的正常文本提示嵌入和异常文本提示嵌入，表示欧几里得距离的平方，、和分别表示对、和取期望，计算平均损失。

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安徽炬视科技有限公司，其通讯地址为：230088 安徽省合肥市高新区习友路与石莲路交口中国声谷4号楼4层；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。