欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024107288723
申请人: 武汉工程大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于注意力U形卷积网络的异常检测方法,其特征在于:包括以下步骤:S1:进行全局和局部采样,全局采样将整张图像的patch作为模型的输入,局部采样将一张图像上的patch作为模型的输入;

S2:构建模型:模型包括基础U-Net和三个嵌入模块;

在步骤S2中,嵌入模块包括通道注意力模块,空间注意力模块和多尺度特征融合模块,具体包括以下步骤:S21:在基础U-Net中的编码器中插入通道注意力模块,增强编码器的表征能力,通道注意力模块中增加了一个最大池化分支和长连接分支,最大池化分支进行纹理异常检测,长连接分支减少特征重构负面影响,编码器的每层都嵌入通道注意力模块后,编码器的最后一层会提取到重要特征;

S22:在U-Net的解码器中插入空间注意力模块,特征重构过程中使用上采样操作将特征向量恢复为图像的尺,空间注意力模块关注空间尺度上的重要特征;

S23:经过步骤S21和步骤S22后,在基础U-Net中的编码器插入多尺度特征融合模块来细化语义信息,将编码器中的重要特征划分为四种不同尺度的特征并进行融合,将融合后的特征加入到对应的解码器特征中;

S3:模型嵌入:将模型嵌入到EfficientAD方法中,将原来的自编码器替换为注意力U-Net,形成整体的网络架构;

S4:模型训练:针对不同逻辑异常采用不同的旋转训练策略,将训练的图像输入网络进行训练,生成异常检测模型并保存;

S5:检测结果:输入一批测试图像,利用训练好的异常检测模型进行推理,返回检测和定位结果。

2.根据权利要求1所述的一种基于注意力U形卷积网络的异常检测方法,其特征在于:在步骤S4中,针对不同逻辑异常采用不同的旋转训练策略,具体包括:对于数据集中的早餐盒类图像,加入旋转180度的图像用于训练;

对于数据集中的螺丝钉类图像,加入旋转90度,180度,45度的旋转图像用于训练;

将训练集中的图像输入到步骤S4中的网络结构,指定训练的迭代次数,分批次进行训练,将最优的模型结果保存。

3.根据权利要求1所述的一种基于注意力U形卷积网络的异常检测方法,其特征在于:在步骤S5中,从测试集中随机采样10次不同的等量图像,通过所有分数的平均值获得最终预测,使用度量指标为:AUROC在MAD数据集上和MAD LOCO数据集进行异常检测。