CN119205736B 多模态小样本数据驱动的异常检测方法、系统和存储介质 (四川大学华西医院)_第1页
CN119205736B 多模态小样本数据驱动的异常检测方法、系统和存储介质 (四川大学华西医院)_第2页
CN119205736B 多模态小样本数据驱动的异常检测方法、系统和存储介质 (四川大学华西医院)_第3页
CN119205736B 多模态小样本数据驱动的异常检测方法、系统和存储介质 (四川大学华西医院)_第4页
CN119205736B 多模态小样本数据驱动的异常检测方法、系统和存储介质 (四川大学华西医院)_第5页
已阅读5页,还剩15页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

YiyueLi.One-to-Normal:PersonalizationforFew-shotDetection.InTheThirty-eighth文.2npp在存储库M中;将所述测试图像与所述正常图像样本集对比得到的对比分数SN计算方法如38.一种应用权利要求1_7任一项所述多模态小样本数据驱动的异常检测系统进行异常分别将所述测试图像与所述定制图像对比,将所述测试图4[0004]但是最新的这类小样本异常检测工作在视觉方面都是将几张正常图像(参考图[0006]针对现有技术的问题,本发明提供一种多模态小样本数据驱动的异常检测方法、5pp存储在存储库M中;将所述测试图像与所述正常图像样本集对比得到的对比分数SN计算方[0026]和/或,将所述测试图像与正常图像样本集对比得到的对比分数Stext计算方法如6[0033]本发明还提供一种应用上述多模态小样本数据驱动的异常检测系统进行异常检[0036]分别将所述测试图像与所述定制图像对比,将所述测试图像与所述文字描述对7其部位。散模型在文本提示c条件下学习正态图像的分布,从而可以用于后续步骤中转化定制图像[0059]本实施例提出一到正常的定制转化策略是为了将一个测试图像转换为与其相似8[0066]测试图像与定制图像的对比:本实施例将CLIP模型的图像编码器分成n个多特征[0077]其中,Ascore为融合后的分数,α、β分别为权重。作为一种优选的方式,默认。9[0081]我们将我们提出的将本实施例的方法与各种现有文献报道的最先进的异常检测[0091]从表中可以得出,在工业数据集中本实施例的方

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论