一种基于图像块特征级联检索模型的异常检测方法及系统技术方案

本发明专利技术涉及计算机视觉技术领域，具体公开了一种基于图像块特征级联检索模型的异常检测方法及系统，其方法包括，根据DenseNet201主干网络对参考图像集和测试图像进行特征提取以得到特征张量；根据全局检索分支对特征张量进行全局检索处理得到最近邻集，根据前景估计分支对特征张量进行前景估计处理得到前景概率映射；对局部检索分支进行特征训练，根据特征训练后的局部检索分支对最近邻集进行局部检索后得到异常分数；将前景概率映射与异常分数结合以对异常分数进行修正，得到最终异常检测结果；通过上述方法能够将异常检测任务转变为级联检索任务，极大地提升了工业异常检测的精度和速度。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，尤其是涉及一种基于图像块特征级联检索模型的异常检测方法及系统。

技术介绍

1、随着工业生产的数字化和智能化程度不断提高，工业异常检测成为了保障生产质量和效率的关键技术之一；工业异常检测旨在实时监测生产过程中的异常情况，并及时采取措施以防止故障或质量问题的进一步扩大；工业异常检测技术的应用领域十分广泛，它主要应用于制造业以及医疗保健等领域；

2、现有技术中，有监督学习方法通常使用像素级的手动标注的标签数据进行训练，有监督的方法需要大量的标注数据，这在实际应用中往往是昂贵且难以获得的；无监督的方法，如基于统计的或基于深度学习的单类分类器，虽然不需要异常样本的标注，但它们在复杂背景或多变的生产环境中仍然面临挑战。

技术实现思路

1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出了一种基于图像块特征级联检索模型的异常检测方法及系统。

2、根据本专利技术第一方面实施例的一种基于图像块特征级联检索模型的异常检测方法，所述图像块特征级联检索模型包括本文档来自技高网...

【技术保护点】

1.一种基于图像块特征级联检索模型的异常检测方法，所述图像块特征级联检索模型包括DenseNet201主干网络、全局检索分支、局部检索分支和前景估计分支，其特征在于，所述方法包括，

2.根据权利要求1所述的一种基于图像块特征级联检索模型的异常检测方法，其特征在于，所述DenseNet201主干网络、全局检索分支、局部检索分支和前景估计分支分别通过以下函数表示，

3.根据权利要求1所述的一种基于图像块特征级联检索模型的异常检测方法，其特征在于，所述根据所述全局检索分支对所述特征张量进行全局检索处理得到最近邻集，具体为，

4.根据权利要求3所述的一种基于图...

【技术特征摘要】

1.一种基于图像块特征级联检索模型的异常检测方法，所述图像块特征级联检索模型包括densenet201主干网络、全局检索分支、局部检索分支和前景估计分支，其特征在于，所述方法包括，

2.根据权利要求1所述的一种基于图像块特征级联检索模型的异常检测方法，其特征在于，所述densenet201主干网络、全局检索分支、局部检索分支和前景估计分支分别通过以下函数表示，

3.根据权利要求1所述的一种基于图像块特征级联检索模型的异常检测方法，其特征在于，所述根据所述全局检索分支对所述特征张量进行全局检索处理得到最近邻集，具体为，

4.根据权利要求3所述的一种基于图像块特征级联检索模型的异常检测方法，其特征在于，

5.根据权利要求1所述的一种基于图像块特征级联检索模型的异常检测方法，其特征在于，所述根据所述前景估计分支对所述特征张量进行前景估计...

【专利技术属性】
技术研发人员：李汉曦，胡建飞，李波，胡嵩，沈春华，陈昊，
申请(专利权)人：江西师范大学，
类型：发明
国别省市：