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！

龙图腾网获悉哈尔滨理工大学申请的专利一种基于掩码多模态生成对抗网络的图像异常检测模型的构建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：CN116994044B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310931310.4，技术领域涉及：G06V10/764；该发明授权一种基于掩码多模态生成对抗网络的图像异常检测模型的构建方法是由张凤斌;黄洪海;席亮设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本一种基于掩码多模态生成对抗网络的图像异常检测模型的构建方法在说明书摘要公布了：一种基于掩码多模态生成对抗网络的图像异常检测模型的构建方法，涉及图像异常检测领域。解决现有的编码器等模型具有较大的容量，缺陷与正常区域的特征差别不明显；图像重建思想的方法大都只考虑了图像的单一模态，不能充分利用图像数据不同模态之间的关联性的问题。本发明提供以下方案，获取数据：将公开图像数据集分为训练数据集和验证数据集；数据处理：将训练数据集的对抗网络分为a、b两个主分支，得到和上述和为生成对抗网络中生成器所需的待重建图像；构建网络模型框架；设计模型损失函数；训练与测试网络，还适用于图像检测技术领域中。

本发明授权一种基于掩码多模态生成对抗网络的图像异常检测模型的构建方法在权利要求书中公布了：1.一种基于掩码多模态生成对抗网络的图像异常检测模型的构建方法，其特征在于，包括以下步骤： S1：获取数据：获取公开的图像数据集，将所述图像数据集分为训练数据集和验证数据集；所述训练数据集是用于优化对抗网络中的参数；验证集用于评估模型的泛化能力； S2：数据处理：将S1中的训练数据集的对抗网络分为a、b两个主分支，将位于a分支的训练图像样本通过频域解耦模块获得不同频域的分量、，使用相同的掩码率对、两个频域分支掩码，得到、，b分支上的训练图像样本使用不同于a分支上的掩码率进行掩码得到，所述为生成对抗网络中生成器所需的待重建图像； S3：构建网络模型框架；基于S2所述的数据处理过程，采用判别器用来提高生成器的重构能力； S4：设计模型损失函数；根据S3构建的网络模型框架，分别设计三部分损失函数：生成器损失函数、判别器损失函数和判别器潜层损失函数； S5：训练与测试网络；使用训练集对模型训练，根据S4得到损失函数、反向传播算法和随机梯度下降算法优化网络参数，当测试数据集在模型上的表现最佳时停止迭代； 所述S2具体为： S2.1在分支a中将训练数据集中的图像缩放到256×256像素，将缩放的图像经过频率解耦模块获得两个频率分量和； S2.2将、缩放到32×32像素并转换至[0,1]的范围，然后进行同掩码率的随机掩码得到、； S2.3在分支b中将训练数据集中的图像缩放到32×32像素并转换至[0,1]的范围内、将缩放的图像使用不同于步骤2.2中的掩码率进行随机掩码得到。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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。