原创力文档- 1、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。。
- 2、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。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
本发明公开了一种基于动态学习提示的零样本异常图像检测方法。基于视觉语言大模型构建了零样本异常检测网络，利用视觉编码网络和文本编码网络提取图像的视觉编码特征和动态提示的文本特征，利用文本特征的语言监督，将预训练视觉语言大模型零样本迁移到下游异常图像检测任务。在视觉编码网络的多个特征提取阶段，计算视觉编码特征与文本特征之间的余弦相似度，构建图像异常区域计算模块，获得待检图像的异常区域。本发明提出的动态学习提示可随网络梯度不断优化，避免了复杂的人工提示构建过程，提高了提示工程的设计效率。另外，动态学习
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116935129 A
(43)申请公布日 2023.10.24
(21)申请号 202310922034.5 G06N 3/096 (2023.01)
(22)申请日 2023.07.
文档评论（0）