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对比学习的自监督异常检测方法，包括：步骤S1：对待训练的正常样本使用FT显著性算法得到前景区域，然后在前景区域上使用CutPastePlus方法生成全新的异常样本以及记录对应的异常区域标签；步骤S2：构建基于对比学习的自监督异常检测网络架构，输入正常样本和步骤S1得到的异常样本，并构建多个基于对比学习的代理损失优化网络参数；步骤S3：模型训练完成后，将待测试的图像输入网络中，得到测试图像中的缺陷区域。该方法能生成与真实工业场景的异常样本类似的异常样本，同时能自动生成缺陷区域
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117456272A
(43)申请公布日2024.01.26
(21)申请号202311581835.6G06V10/56(2022.01)
文档评论（0）