買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉宏龍科技(杭州)有限公司;杭州聯(lián)匯科技股份有限公司申請的專利基于深度視覺模型的圖像異常識別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115760695B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211274854.X，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)基于深度視覺模型的圖像異常識別方法是由劉鵬;趙天成;陸驍鵬;張璐;蔣軻磊設(shè)計研發(fā)完成，并于2022-10-18向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于深度視覺模型的圖像異常識別方法在說明書摘要公布了：本發(fā)明公開了基于深度視覺模型的圖像異常識別方法，包括：建立深度視覺模型和異常檢測模型；獲取樣本數(shù)據(jù)集，將樣本數(shù)據(jù)集輸入至深度視覺模型，得到樣本數(shù)據(jù)集中所有樣本數(shù)據(jù)的圖像塊特征向量，構(gòu)建樣本特征庫；將樣本特征庫所有的圖像塊特征向量輸入至異常檢測模型，得到所有樣本數(shù)據(jù)的平均異常值；獲取待檢測對象，將待檢測對象輸入至深度視覺模型，得到待檢測對象的圖像塊特征向量；將待檢測對象的圖像塊特征向量輸入至異常檢測模型，得到待檢測異常值；當(dāng)待檢測異常值大于平均異常值，判斷待檢測對象為異常圖像。采用深度視覺模型對目標(biāo)對象提取圖像塊特征向量，使圖像塊特征向量具有更詳細(xì)的特征，提高了異常識別的準(zhǔn)確率。

本發(fā)明授權(quán)基于深度視覺模型的圖像異常識別方法在權(quán)利要求書中公布了：1.基于深度視覺模型的圖像異常識別方法，其特征在于，包括： 建立深度視覺模型和異常檢測模型，所述深度視覺模型用于得到目標(biāo)對象的圖像塊特征向量，所述異常檢測模型用于得到目標(biāo)對象的異常值； 獲取樣本數(shù)據(jù)集，將所述樣本數(shù)據(jù)集輸入至所述深度視覺模型，得到所述樣本數(shù)據(jù)集中所有樣本數(shù)據(jù)的圖像塊特征向量，構(gòu)建樣本特征庫；將所述樣本特征庫所有的圖像塊特征向量輸入至所述異常檢測模型，得到所有樣本數(shù)據(jù)的平均異常值； 獲取待檢測對象，將所述待檢測對象輸入至所述深度視覺模型，得到所述待檢測對象的圖像塊特征向量；將所述待檢測對象的圖像塊特征向量輸入至所述異常檢測模型，得到待檢測異常值； 當(dāng)所述待檢測異常值大于所述平均異常值，判斷所述待檢測對象為異常圖像； 所述得到目標(biāo)對象的圖像塊特征向量，包括： 獲取所述目標(biāo)對象的視覺特征向量； 對所述視覺特征向量中的特征點進(jìn)行局部圖像塊感知特征增強，獲取所述特征點的局部圖像塊感知特征； 依次獲取所有特征點的局部圖像塊感知特征，構(gòu)成所述目標(biāo)對象的圖像塊特征向量； 對所述視覺特征向量中的特征點進(jìn)行局部圖像塊感知特征增強，用下列公式： 其中，特征點為（x，y），特征點的局部圖像塊增強后的感知特征為，特征點的近鄰值為 p，近鄰值p2范圍內(nèi)的近鄰特征點為（a，b），近鄰特征點的視覺特征向量為，聚合函數(shù)為f。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人宏龍科技(杭州)有限公司;杭州聯(lián)匯科技股份有限公司，其通訊地址為：310051 浙江省杭州市中國(浙江)自由貿(mào)易試驗區(qū)濱江區(qū)長河街道秋溢路399號3號樓303室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。