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

龍圖騰網(wǎng)獲悉華中科技大學申請的專利基于終身學習的多類別紋理表面缺陷檢測模型的構(gòu)建方法獲國家發(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：CN115564749B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-23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：202211294135.4，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)基于終身學習的多類別紋理表面缺陷檢測模型的構(gòu)建方法是由尹周平;楊華;何大偉;陳建魁;朱欽淼設計研發(fā)完成，并于2022-10-21向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于終身學習的多類別紋理表面缺陷檢測模型的構(gòu)建方法在說明書摘要公布了：本發(fā)明屬于圖像處理領(lǐng)域，并公開了一種基于終身學習的多類別紋理表面缺陷檢測模型的構(gòu)建方法。整個模型以新提出的自適應卷積反卷積模塊為基礎(chǔ)模塊，具體地，自適應卷積反卷積模塊為每個類別設置獨立的卷積核反卷積核掩膜，用于分配權(quán)重衡量模型參數(shù)與當前訓練類別的相關(guān)性，并通過卷積核反卷積核掩膜設置參數(shù)剪枝和冷凍操作，參數(shù)剪枝保證了模型在后續(xù)類別訓練時，仍然有足夠多的參數(shù)可以用于新類別的訓練，從而更好地擬合新任務；參數(shù)冷凍保證了模型在已訓練類別上的知識記憶，允許相似類別的模型參數(shù)重疊，在舊任務測試時仍然具備較高的精度。從而，使模型具備終身學習的能力，實現(xiàn)單個模型的多類別紋理表面缺陷檢測。

本發(fā)明授權(quán)基于終身學習的多類別紋理表面缺陷檢測模型的構(gòu)建方法在權(quán)利要求書中公布了：1.一種基于終身學習的多類別紋理表面缺陷檢測模型的構(gòu)建方法，其特征在于，包括： 搭建紋理表面缺陷檢測模型；所述紋理表面缺陷檢測模型包括自適應異常分解模塊，自適應異常分解模塊由特征提取器、背景編碼器、背景解碼器、缺陷編碼器和缺陷解碼器組成，用于獲得正常樣本和異常樣本的背景重構(gòu)圖像以及異常樣本的缺陷前景分割圖像； 以損失函數(shù)訓練所述紋理表面缺陷檢測模型； 其中，所述特征提取器、背景編碼器、背景解碼器、缺陷編碼器和缺陷解碼器均由若干自適應卷積反卷積模塊構(gòu)成；任一所述自適應卷積反卷積模塊包括一個卷積核反卷積核、N個卷積核反卷積核掩膜、一個修正函數(shù)、N個批歸一化層和一個激活函數(shù)，N為類別總數(shù)； 在訓練第i個類別時，所述自適應卷積反卷積模塊利用卷積核反卷積核參數(shù)與修正后的第i個類別對應的卷積核反卷積核掩膜相乘的結(jié)果，對輸入做卷積反卷積操作；再將操作結(jié)果輸入第i個類別對應的批歸一化層進行標準化處理；并將處理結(jié)果通過激活函數(shù)進行非線性映射； 若所述卷積核反卷積核參數(shù)與第i個類別相關(guān)性大于預設閾值，則在此后訓練過程中不更新該參數(shù)；否則，更新該參數(shù)；其中，所述相關(guān)性通過第i個類別對應的卷積核反卷積核掩膜分配給所述卷積核反卷積核參數(shù)的權(quán)重來衡量。

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)人華中科技大學，其通訊地址為：430074 湖北省武漢市洪山區(qū)珞喻路1037號；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)”。