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！

龙图腾网获悉东南大学申请的专利一种基于自监督学习与深度特征重构的图像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：CN116433640B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310421371.6，技术领域涉及：G06T7/00；该发明授权一种基于自监督学习与深度特征重构的图像异常检测方法是由徐琴珍;陈延润;杨绿溪设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本一种基于自监督学习与深度特征重构的图像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自监督学习与深度特征重构的图像异常检测方法，包括生成伪异常、特征提取、特征重构、优化卷积自编码器等步骤。本发明采用特征重构代替传统的图像重构，并使用预训练模型提取图像的深度特征，避免了现有方法重构泛化性过高的问题。此外，本发明通过模拟异常图像，以自监督学习的方式训练模型，使得模型能更好地适应异常检测任务。本发明是一种端到端的图像异常检测方法，具有检测效果好、存储空间占用少、推理速度快的优点，能够满足实际应用的需要。

本发明授权一种基于自监督学习与深度特征重构的图像异常检测方法在权利要求书中公布了：1.一种基于自监督学习与深度特征重构的图像异常检测方法，其特征在于，包括以下步骤： 步骤S1：采集正常图像I构建训练集并做预处理； 步骤S2：对训练集的正常图像I随机生成伪异常，得到相应的伪异常图像Ia； 步骤S3：对正常图像I和伪异常图像Ia分别做特征提取，得到各自的多尺度特征图，正常图像I的多尺度特征图记为FI，伪异常图像Ia的多尺度特征图记为 步骤S4：将伪异常图像Ia的多尺度特征图送入卷积自编码器，得到重构多尺度特征图 步骤S5：定义损失函数，重复步骤S2～S4，通过反向传播和优化算法不断更新卷积自编码器的参数； 步骤S6：对待测图像t做特征提取，将其多尺度特征图Ft送入卷积自编码器得到重构多尺度特征图通过计算得到待测图像的异常评分图； 步骤S7：对异常评分图做后处理，得到待测图像的异常检测和定位结果； 所述步骤S2的具体过程为： 步骤S21：生成二维Perlin噪声，并设定阈值进行二值化处理，得到异常掩码Ma； 步骤S22：从异常源数据集D随机选择图片A，并对其进行随机数据增强； 步骤S23：用异常掩码Ma对A采样，得到生成的伪异常； 步骤S24：以概率p将伪异常与正常图像I进行叠加，得到最终的伪异常图像Ia；其中，为异常掩码Ma的取反结果；β为设定的参数，在0和1之间；⊙表示按元素相乘； 所述步骤S6的具体过程为： 步骤S61：对待测图像t做预处理，尺寸变为H×W；H为缩放后图片的高度，W为缩放后图片的宽度； 步骤S62：对预处理后的待测图像t做特征提取，得到多尺度特征图h0为选定的最浅层特征图的高度，w0为选定的最浅层特征图的宽度；c为通道数； 步骤S63：将多尺度特征图Ft送入卷积自编码器，得到重构多尺度特征图 步骤S64：计算得到待测图像的异常评分图其中，每一个位置h,w的异常评分其中，i表示多尺度特征图上的具体通道，h和w表示多尺度特征图上的具体坐标。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路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。