一种基于深度自编码的异常图像检测方法技术

本发明专利技术公开了一种基于深度自编码的异常图像检测方法，利用自编码的输入数据和重构数据的误差来衡量局部异常信息；利用自编码中的隐藏层的信息来刻画全局异常的特征，以捕获全局异常信息，最后优化重构误差和隐变量的联合分布来训练模型，实现了局部异常和全局异常的同时检测。与现有技术相比，本发明专利技术的检测结果更精确。更精确。更精确。

【技术实现步骤摘要】
一种基于深度自编码的异常图像检测方法


[0001]本专利技术涉及计算机视觉领域，特别是涉及一种异常图像的检测方法。

技术介绍

[0002]外观检测在控制工业产品品质方面有着重要的作用，可以高效找到产品中的劣质或者损坏的样本。虽然人工外观产品检测精度高，但是由于其低效和人力成本高的特性很难被应用在大范围的工业生产中。因此自动化的异常外观检测算法对提高整个生产流程的效率和对产品质量的控制是至关重要。自动化的检测系统一般是由摄像头拍摄产品的照片，并把照片传送给异常检测系统分析，最后异常检测系统给出检测产品外观的一个评价。因此图像异常检测算法在整个检测系统中起到最重要的角色。
[0003]然而现有的图像异常检测算法只能检测某一种类的异常(例如局部异常、全局异常)，这进一步限制了异常检测系统的通用检测能力。
[0004]目前还没有一种可以同时检测局部异常和全局异常的算法。
[0005]另外，由于异常图像部分不能被自编码有效重构出来，异常部分的误差相比较于正常部分的误差大。通过实验发现现有的自编码在处理复杂数据时，其重构图像的能力严本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度自编码的异常图像检测方法，其特征在于，该方法具体包括以下步骤：步骤1、首先对输入图像进行预处理，包括两个处理即把输入图片压缩成大小规格一致图片和对图像数值进行归一化处理；步骤2、构建残差深度自编码器：使用卷积神经网搭建残差深度自编码器，构建好的自编码器分为编码部分和解码部分，编码部分负责把原始图像压缩到表征层，解码器部分负责把表征数据解压缩到输出结果；残差自编码由一系列编码块和解码块组成；在每个编码块中包含了常规的卷积操作信息K＝k1
×
k1,C_out＝c,Padding＝p、信号信息K＝k1
×
k1,C_out＝c，分别进行标准化操Padding＝0作后，所得到的结果进行相加得到一个中间结果，相加结果进一步进行Relu激活，激活结果进行池化处理，在一个给定的范围中选取一个最大值；在每个解码块中包含了上采样、常规的卷积操作信息K＝k1
×
k1,C_out＝c,Padding＝p、信号信息K＝k1
×
k1,C_out＝c,Padding＝0，分别进行标准化操作后，所得到的结果进行相加得到一个中间结果，相加结果进一步进行Relu激活；其中，K是卷积核，k1是卷积核的大小，C_out是输出通道的数量，Padding＝0代表周边数据补充为0，p是周边数据的具体填充值；步骤3、进行局部异常信息的刻画：使用残差深度自编码器架构重构输入图片，利用编码器把输入数据编码到表征数据中，利用解码器把表征数据还原到输出数据；计算重构误差，公式如下：其中，x是输入数据，是重构数据；利用残差深度自编码的重构误差来刻画图像信息的局部异常；然后利用结构相似性SSIM来评价图片是否为异常...

【专利技术属性】
技术研发人员：赵来平，聂力海，李克秋，
申请(专利权)人：天津大学，
类型：发明
国别省市：