買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜華東交通大學;江西省科技基礎條件平臺中心(江西省計算中心)申請的專利一種基于孿生編碼擴散模型及流模型的圖像異常檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120013949B 。

龍圖騰網通過國家知識產權局官網在2025-06-20發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510503289.7，技術領域涉及：G06T7/00；該發明授權一種基于孿生編碼擴散模型及流模型的圖像異常檢測方法是由謝昕;鄭星鵬;劉昭陽;楊志堅;湯輝設計研發完成，并于2025-04-22向國家知識產權局提交的專利申請。

本一種基于孿生編碼擴散模型及流模型的圖像異常檢測方法在說明書摘要公布了：本發明屬于圖像檢測技術領域，涉及一種基于孿生編碼擴散模型及流模型的圖像異常檢測方法，將原始正常圖像和加噪圖像送入孿生編碼擴散模型中得到預測噪聲；構建第一流模型，對預測噪聲和已知噪聲進行特征提取，得到潛在特征和已知特征，使用第一流模型估計潛在特征的概率分布；構建量化模塊，量化模塊獲得與輸入圖像匹配的量化特征，基于量化特征得到量化殘差特征并構建第二流模型；使用訓練好的孿生編碼擴散模型、第一流模型和第二流模型對待檢測圖像進行異常檢測。本發明通過結合孿生編碼擴散模型、量化模塊與流模型進行圖像異常檢測，具有較高通用性、檢測效率和準確率。

本發明授權一種基于孿生編碼擴散模型及流模型的圖像異常檢測方法在權利要求書中公布了：1.一種基于孿生編碼擴散模型及流模型的圖像異常檢測方法，其特征在于，步驟如下：S1：獲取圖像樣本并做預處理得到正常訓練樣本與驗證集樣本；S2：將正常訓練樣本加入固定尺度的噪聲后，得到加噪圖像和已知噪聲，將原始正常圖像和加噪圖像送入孿生編碼擴散模型中得到預測噪聲，并定義噪聲預測損失與流判別損失；S3：構建第一流模型，對預測噪聲和已知噪聲進行特征提取，得到潛在特征和已知特征，使用第一流模型估計潛在特征的概率分布，并使用已知特征對第一流模型進行正則化，與孿生編碼擴散模型進行聯合交替訓練；構建量化模塊，量化模塊獲得與輸入圖像匹配的量化特征，基于量化特征得到量化殘差特征并構建第二流模型；使用第二流模型估計量化殘差特征的概率分布，對第一流模型、第二流模型與孿生編碼擴散模型進行訓練；S4：訓練完成后，將潛在特征的概率分布與量化殘差特征的概率分布采用驗證集進行動態調整，得到最優動態權重參數，整合為最終的異常分數；S5：使用訓練好的孿生編碼擴散模型、第一流模型和第二流模型對待檢測圖像進行異常檢測。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人華東交通大學;江西省科技基礎條件平臺中心(江西省計算中心)，其通訊地址為：330000 江西省南昌市經濟技術開發區雙港東大街808號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。