买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南第一师范学院;湖南湘江鲲鹏信息科技有限责任公司申请的专利基于两阶段训练的少样本异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121120504B 。

龙图腾网通过国家知识产权局官网在2026-05-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511123518.9，技术领域涉及：G06T7/00；该发明授权基于两阶段训练的少样本异常检测方法是由满君丰;邓志鹏;杨根;肖前辉;马俊杰;彭霞;李林;彭立军;曾庆顺;吴雪君设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本基于两阶段训练的少样本异常检测方法在说明书摘要公布了：本发明公开了基于两阶段训练的少样本异常检测方法，涉及少样本异常检测技术领域，包括一种基于度量学习的两阶段训练网络TSTNet，在预训练阶段，引入了几何一致性损失，以促进正常样本与其几何变体在特征空间中的收敛。在度量学习阶段，设计了一个边缘特征适应网络，能够自适应地聚类模糊的正常特征，并有效隔离异常特征。对MVTecAD和VisA数据集的大量实验表明，本方案超越了现有水平，在2样本实验设置下，本发明在图像级AUROC上的表现分别比MVTecAD和VisA提升了1.2％和2.4％。

本发明授权基于两阶段训练的少样本异常检测方法在权利要求书中公布了：1.基于两阶段训练的少样本异常检测方法，其特征在于，包括如下步骤： S1、预训练阶段：包括在线网络和目标网络； 所述在线网络包括预训练编码器、全连接投影层和完整预测头依次组成的神经网络； 所述目标网络包括动量更新的编码器和投影层依次组成的神经网络； 所述在线网络和目标网络通过几何一致性损失LGC连接，所述几何一致性损失LGC用于微调预训练编码器； S2、度量学习阶段：包括边缘特征适应网络，所述边缘特征适应网络包括记忆库构建模块、双路径特征构建模块和边缘三元损失； 所述记忆库构建模块首先利用微调后的预训练编码器提取原始的补丁级特征，然后采用中间层编码器构建判别性细粒度记忆库； 所述双路径特征构建模块首先通过基础几何变换生成增强样本，然后利用中间层编码器提取多尺度特征，最后经局部邻域聚合操作构建正例特征集，同时在增强样本的特征点直接添加高斯噪音来获取特征级上的异常特征点； 所述边缘三元损失首先计算增强图像的所有特征点及所有异常特征点到记忆库中特征点最邻近欧氏距离分布，然后基于正态分布假设，设计正向损失和负向损失，最终动态三元损失函数为正向损失和负向损失的加权和； S3、异常检测：测试图像将直接通过微调后的预训练编码器和多层感知机获取其相应的补丁级特征点，并计算每个点到记忆库中最邻近点的欧氏距离，所有补丁特征点的异常分数构成整张图像的像素级异常分数图，采用双线性插值对异常分数图进行上采样，并通过高斯滤波对结果进行平滑处理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南第一师范学院;湖南湘江鲲鹏信息科技有限责任公司，其通讯地址为：410205 湖南省长沙市岳麓区枫林三路1015号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。