【技术实现步骤摘要】
本专利技术涉及计算机视觉与机器学习，尤其是涉及一种基于动态缓存的零样本异常检测方法及系统。
技术介绍
1、图像异常检测在工业质检、医疗诊断等多个领域具有重要的应用价值，旨在识别与正常模式偏离的图像或像素级的异常。现有的大多数异常检测方法(ad)主要依赖于无监督学习或半监督学习，通常需要正常样本或带有注释的异常样本进行训练。然而，在某些特定场景中，可能会面临“冷启动”问题，即无法收集到足够的训练样本，这限制了无监督和半监督异常检测方法的广泛应用。
2、零样本异常检测(zsad)方法为解决样本匮乏的问题提供了有效的缓解方案，其核心思想是在没有目标类别训练数据的情况下，能够检测未见类别的异常，通常依赖于预训练的视觉-语言模型(vlms)，但存在以下不足：文本提示符缺乏视觉信息引导，导致模型在识别局部区域的不同视觉概念时面临困难；跨模态语义偏差及噪声干扰，容易产生误检问题，限制了检测效果。
3、因此，本专利技术提出了一种基于动态缓存的零样本异常检测方法及系统，该方法英文简写为adcache-clip，旨在解决传统无监督和...
【技术保护点】
1.一种基于动态缓存的零样本异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于动态缓存的零样本异常检测方法，其特征在于，步骤1的具体过程如下：
3.根据权利要求2所述的一种基于动态缓存的零样本异常检测方法，其特征在于，步骤2的具体过程如下：
4.根据权利要求3所述的一种基于动态缓存的零样本异常检测方法，其特征在于，步骤3的具体过程如下：
5.根据权利要求4所述的一种基于动态缓存的零样本异常检测方法，其特征在于，步骤4中具体过程如下：
6.根据权利要求5所述的一种基于动态缓存的零样本异常...
【技术特征摘要】
1.一种基于动态缓存的零样本异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于动态缓存的零样本异常检测方法，其特征在于，步骤1的具体过程如下：
3.根据权利要求2所述的一种基于动态缓存的零样本异常检测方法，其特征在于，步骤2的具体过程如下：
4.根据权利要求3所述的一种基于动态缓存的零样本异常检测方法，其特征在于，步骤3的具体过程如下：
5.根据权利要求4所述的一种基于动态缓存的零样本异常检测方法，其特征在于，步骤4中具体过程如下：
6.根据权利要求5所述的一种基于动态...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。