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！

龙图腾网恭喜南湖实验室申请的专利一种基于反向传播梯度筛选的异常检测方法及模型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：CN115331056B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202210973706.0，技术领域涉及：G06V10/764；该发明授权一种基于反向传播梯度筛选的异常检测方法及模型是由仇祎诚;宋文杰;沙枫;廖佳纯;牛力;张磊;勾鹏;唐攀攀;刘昊设计研发完成，并于2022-08-15向国家知识产权局提交的专利申请。

本一种基于反向传播梯度筛选的异常检测方法及模型在说明书摘要公布了：本发明公开了一种基于反向传播梯度筛选的异常检测方法及模型，包括：S1.准备经过训练的异常检测模型；S2.将待预测图片输入异常检测模型进行一般的前向传播得到预测结果，当预测结果为异常时，执行步骤S3；S3.确定用于求梯度的特征图矩阵；S4.对预测结果进行反向传播计算得到特征图矩阵对应的梯度矩阵；S5.对梯度矩阵在横纵坐标的方向上求平均梯度得到平均梯度矩阵；S6.对平均梯度矩阵与特征图矩阵进行矩阵相乘操作并将各个通道的同位置元素的值进行累加得到梯度图；S7.基于步骤S6获取的梯度图进行梯度筛选得到异常感知区域。本发明在原有的基于深度神经网络的分类模型框架上实现扩展功能，在保持模型框架精简的同时能够实现异常区域的定位。

本发明授权一种基于反向传播梯度筛选的异常检测方法及模型在权利要求书中公布了：1.一种基于反向传播梯度筛选的异常检测方法，其特征在于，包括以下步骤：S1.准备经过训练的异常检测模型；S2.将待预测图片输入异常检测模型进行前向传播得到预测结果，当预测结果为异常时，执行步骤S3，否则结束流程；S3.确定用于求梯度的特征图矩阵，所述的特征图矩阵为事先设定的任意特征层的特征图矩阵；S4.对预测结果进行反向传播计算得到特征图矩阵对应的梯度矩阵；S5.对梯度矩阵在横纵坐标的方向上求平均梯度得到平均梯度矩阵；S6.对平均梯度矩阵与特征图矩阵进行矩阵相乘操作并将各个通道的同位置元素的值进行累加得到梯度图；S7.基于步骤S6获取的梯度图进行梯度筛选得到异常感知区域，筛选出梯度图中梯度值大于筛选阈值的元素坐标，这些元素坐标所包含的区域即所述的异常感知区域；步骤S4中，所述的梯度矩阵具体通过以下方式获得： 上式中，Scls表示预测结果； 表示中的各个元素，其中c表示各个通道，x，y表示各个通道中的横纵坐标； 表示梯度矩阵中的各个元素，G表示得到的梯度矩阵；W、H代表了特征图矩阵在横纵坐标方向上的宽和高，C代表了特征图矩阵在通道坐标方向上的通道数，并且特征图矩阵的W、H、C的值与梯度矩阵G相同；步骤S5中，平均梯度矩阵通过以下方式获得： 其中，Gm表示平均梯度矩阵；步骤S6中，梯度图通过以下方式获得： 其中，分别表示平均梯度矩阵Gm与特征图矩阵在各个通道方向上的二维矩阵，grad表示初步计算得到的梯度图，Grad表示，通过将grad中大于0的值提取，小于0的值置零，从而得到的最终梯度图的结果；步骤S7的具体方法包括： 其中，表示通过梯度筛选后得到的各个封闭区域坐标的集，Gradx,y表示梯度图中二维坐标为x，y点的值，maxGradx,y表示取梯度图Grad中的最大值，p∈0,1表示筛选系数，表示一个设定的超参数，用于调节的筛选范围，maxGradx,y*p表示所述的筛选阈值；通过的外接矩形框的坐标来定位通过梯度筛选后得到的各个封闭区域坐标所包含的最大外接矩形区域的位置框的集合： bbox表示位置框，n代表中所包含的一个或者数个异常区域的索引，将这些位置框按照原图的比例进行缩放以获得位置框在原图中的位置。

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南湖实验室，其通讯地址为：314001 浙江省嘉兴市南湖区七星街道香湖别墅29幢；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”。