【技术实现步骤摘要】
测量图像分类器对输入图像变化的灵敏度
[0001]本专利技术涉及可训练图像分类器的行为控制，所述图像分类器例如可用于批量生产的产品的质量控制。
技术介绍
[0002]在产品批量生产的情况下，通常需要对生产质量持续地进行检查。在此力求尽可能快地识别出质量问题，以便能尽可能快地消除原因并且不会有太多单位的相应产品作为废品损失。
[0003]产品的几何形状和/或表面的光学控制是快速且无损的。WO 2018/197 074 A1公开了一种试验设备，其中可以将对象置于大量照明状况下，其中在这些照明状况中的每一种状况下都用相机记录所述对象的图像。从这些图像中分析所述对象的形貌。
[0004]所述产品的图像也可以直接利用基于人工神经网络的图像分类器分配给预给定分类的多个类别之一。在此基础上，可以将所述产品分配给多个预给定的质量类别之一。在最简单的情况下，这种分类是二元的（“合格”/“不合格”）。
技术实现思路
[0005]在本专利技术的范围中分配了一种用于测量图像分类器对输入图像变化的灵敏度的方法。>[0006]所述图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.用于测量图像分类器（2）对输入图像（1）的变化的灵敏度（2*）的方法（100），所述图像分类器将输入图像（1）分配给预给定分类的一个或多个类别（3a
‑
3c），所述方法具有以下步骤：
•
通过至少一个预给定的算子（4）将所述输入图像（1）映射（110）为中间图像（5），所述中间图像与所述输入图像（1）相比具有较少的信息内容和/或较差的信噪比；
·
提供（120）至少一个生成器（6），所述至少一个生成器被训练为产生由所述图像分类器（2）分配给所述预给定分类的特定类别（3a
‑
3c）的逼真图像；
•
利用所述生成器（6）从所述中间图像（5）产生（130）所述输入图像（1）的变型（7），其中由所述生成器（6）产生的变型（7）所属的特定类别（3a
‑
3c）是与由所述图像分类器（2）将所述输入图像（1）分配（131）到的类别（3a
‑
3c）不同的类别（3a
‑
3c），以及其中
•
从一个或多个变型（7）与所述输入图像（1）的比较（132），和/或
•
从关于多个变型（7）的综合统计（133）分析（134）所述图像分类器（2）对所述输入图像（1）的变化的灵敏度（2*）。2. 根据权利要求1所述的方法（100），其中所述预给定的算子（4）包括：
•
将所述输入图像（1）缩小到较低的像素分辨率；和/或
•
利用自动编码器结构的编码器产生所述输入图像（1）的降维表示，和/或
•
添加加性和/或乘性噪声；和/或
•
模糊所述输入图像的至少一部分；和/或
•
至少一个仿射变换，和/或
•
其他经过训练的中间图像生成器（4a）。3.根据权利要求2所述的方法（100），其中所述中间图像生成器（4a）被训练为产生与所述输入图像（1）尽可能相似并且同时由所述图像分类器（2）以尽可能大的不确定性分类的逼真图像。4.根据权利要求1至3中任一项所述的方法（100），其中附加地为了产生所述中间图像（5）而改变（111）所述算子（4），以及其中分析（135）所述图像分类器（2）的灵敏度（2*）对所述算子（4）的依赖性。5.根据权利要求1至4中任一项所述的方法（100），其中将所述变型（7）用作（140）用于训练所述图像分类...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。