- 1、本文档共11页,其中可免费阅读10页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及工业自动化技术领域,尤其为一种基于自监督学习的异常图像检测方法,其具体步骤如下:S1,获取待检图像;S2,将待检测图像输入模型,并获取异常分数;S3,判断异常分数是否大于某特定阈值,若是,则认为该待检图像为异常图像,若不是,则认为其为正常图像,本发明通过设计基于自监督学习的异常图像检测方法,设置更为合理的代理任务,借助基于特征层面的余弦距离损失函数进行训练,使模型能够适应不同尺度的异常,捕获更加鲁棒的图像深层表征,获取在真实异常图像上更强的泛化能力,从而实现更加精确的异常检测。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113344875 A
(43)申请公布日 2021.09.03
(21)申请号 202110631682.6
(22)申请日 2021.06.07
(71)申请人 武汉象点科技有限公司
文档评论(0)