公开(公告)号：CN119205707A

公开(公告)日：2024-12-27

申请号：CN202411364694.7

申请日：2024-09-29

Applicant: 东南大学

Inventor： 徐琴珍 ,  王宇博 ,  刘逸飞 ,  沈子瑜 ,  周波 ,  杨绿溪

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/30 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于自监督学习和特征降噪的图像异常检测方法，属于图像异常检测技术领域。包括深度特征提取、深度特征融合、深度特征重建、异常分割步骤。本发明充分利用深度学习模型多尺度特征的优点，对多尺度特征进行有效融合。同时，在融合多尺度特征之后，对其进行重建以实现降噪操作。并在模型最后添加分割头，以提升模型性能。与现有方法相比，本模型以同等级的参数量和训练成本达到了更好的异常检测效果。

公开(公告)号：CN118038135A

公开(公告)日：2024-05-14

申请号：CN202410092949.2

申请日：2024-01-23

Applicant: 东南大学

Inventor： 徐琴珍 ,  王宇博 ,  周波 ,  刘逸飞 ,  及星 ,  杨绿溪

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/26 ,  G06N3/088 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于特征层人造异常的无监督铁路货车零部件故障检测方法，属于信息与通信工程领域。包括特征提取、生成人造异常、特征重构步骤。与现有方法不同的是，本发明针对在无异常图像上生成人造异常导致模型泛化性不足的问题，采用在特征层生成人造异常的方式，以此来更为准确的模拟异常特征，增强模型泛化性。同时，本发明聚焦铁路货车零部件故障检测领域，与现有方法相比，在此场景中具有检测准确度更高、收敛速度更快的优点，从而节省在网络训练时所需要的硬件开销，缩短训练所需要的时长，提高对铁路货车零部件故障检测的准确率，能够满足实际应用的需要。