-
公开(公告)号：CN118470014B
公开(公告)日：2024-09-24
申请号：CN202410925191.6
申请日：2024-07-11
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种工业异常检测方法及系统，包括：获取待异常检测的图像；根据获取的图像，基于预训练好的异常检测模型，对异常进行检测定位；所述异常检测模型包括：骨干网络、池化层、级联流、双子流以及恒定流；所述级联流包含若干依次排列的流块。本发明使得异常数据特征与正常数据特征之间有更加明显的区别，进而提升定位异常的效果。
-
公开(公告)号：CN116385807B
公开(公告)日：2023-09-12
申请号：CN202310621436.1
申请日：2023-05-30
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/56 , G06V10/26
Abstract: 本发明公开了一种异常图像样本生成方法及装置，步骤1：获取标准化图像；步骤2：进行像素点采样；步骤3：进行分类确定标准化图像的颜色分布情况；步骤4：生成区域的位置以及生成异常的大小；步骤5：随机选取对应所述所需区域大小的区域，确定随机区域，接着确定随机区域的位置，并在此位置根据所述生成异常的大小生成方框；步骤6：为生成的方框随机添加颜色滤镜、增大、旋转、填充、变色中的一种操作；步骤7：在操作后的方框对应位置处随机选择一个方向，重复步骤4和步骤5若干次，扩展生成多个方框，将包括所有方框的标准化图像作为最终的模拟异常图像。优点：保证了模拟出的异常能够拟合实际中的异常情况，更好的完成异常检测任务。
-
Patent Agency Ranking
公开(公告)号：CN120017513A
公开(公告)日：2025-05-16
申请号：CN202510475312.6
申请日：2025-04-16
Applicant: 南京信息工程大学
IPC: H04L41/0894 , G06N20/00 , H04L41/0895 , H04L41/0631 , H04L41/16 , H04L41/12 , H04L45/02
Abstract: 本发明提供了一种动态边缘计算环境下的分层联邦学习优化方法，包括：步骤1，通过动态聚类算法优化由终端设备和聚合节点组成的参与协同训练的设备聚合拓扑，保持稳定设备关系的同时适应设备变化；所述终端设备包括智能手机、物联网终端；所述节点包括边缘服务器、网关；步骤2，基于历史性能数据预测并推荐最优训练频率，实现资源感知的自适应训练调度；步骤3，设备根据自身资源状况动态调整训练轮次，平衡训练强度与时间效率；步骤4，建立分层超时容错机制，在保证训练连续性的同时处理异常设备状况。本发明在动态的边缘计算环境中，对分层模型训练框架中的聚合结构和聚合频率进行动态调整，提升了模型训练的效率和精度。
-
公开(公告)号：CN116416229A
公开(公告)日：2023-07-11
申请号：CN202310316062.2
申请日：2023-03-28
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种双分支图像异常检测方法、装置、设备及介质，其方法包括：获取待检测图像，对待检测图像进行预处理；将预处理后的待检测图像输入训练好的异常检测模型，获取异常得分；根据异常得分判断待检测图像为异常图像或正常图像；其中，所述异常检测模型的训练包括：获取预设数量的样本图像，对样本图像进行旋转拓展和预处理；构建异常检测模型，所述异常检测模型包括可见异常分支和不可见异常分支；通过旋转拓展和预处理后的样本图像对异常检测模型进行训练；本发明能够对不同种类的工业图像都拥有良好的适配性，可以高效完成异常检测任务，同时计算量较低。
-
公开(公告)号：CN118470014A
公开(公告)日：2024-08-09
申请号：CN202410925191.6
申请日：2024-07-11
Applicant: 南京信息工程大学
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种工业异常检测方法及系统，包括：获取待异常检测的图像；根据获取的图像，基于预训练好的异常检测模型，对异常进行检测定位；所述异常检测模型包括：骨干网络、池化层、级联流、双子流以及恒定流；所述级联流包含若干依次排列的流块。本发明使得异常数据特征与正常数据特征之间有更加明显的区别，进而提升定位异常的效果。
-
公开(公告)号：CN117058450A
公开(公告)日：2023-11-14
申请号：CN202311012204.2
申请日：2023-08-10
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于自适应掩码重构的异常检测方法及装置，该方法对于输入图片，通过策略添加异常部位后，使用自适应选择的掩码分别遮掩其三分之一，得到三张带有掩码的残差图，将这三张残差图分别进行重构后，得到三张重构后的图片，选择与输入图差别最大的图片作为最终的重构图片，再进行异常检测。本发明可以有效提高异常检测的准确度，同时提高异常定位的准确性。
-
公开(公告)号：CN116385807A
公开(公告)日：2023-07-04
申请号：CN202310621436.1
申请日：2023-05-30
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/56 , G06V10/26
Abstract: 本发明公开了一种异常图像样本生成方法及装置，步骤1：获取标准化图像；步骤2：进行像素点采样；步骤3：进行分类确定标准化图像的颜色分布情况；步骤4：生成区域的位置以及生成异常的大小；步骤5：随机选取对应所述所需区域大小的区域，确定随机区域，接着确定随机区域的位置，并在此位置根据所述生成异常的大小生成方框；步骤6：为生成的方框随机添加颜色滤镜、增大、旋转、填充、变色中的一种操作；步骤7：在操作后的方框对应位置处随机选择一个方向，重复步骤4和步骤5若干次，扩展生成多个方框，将包括所有方框的标准化图像作为最终的模拟异常图像。优点：保证了模拟出的异常能够拟合实际中的异常情况，更好的完成异常检测任务。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
