一种图像重构模型的生成方法和计算机设备技术

本发明专利技术提供了一种图像重构模型的生成方法和计算机设备，所述图像重构模型的生成方法包括：获取训练样本集，其中，所述训练样本集包括若干训练图像组，若干训练图像组中的每组训练图像组均包括原始图像以及所述原始图像对应的异常图像，所述异常图像为基于所述原始图像确定得到的；基于所述训练样本集对预设网络模型进行训练，以得到图像重构模型。在本发明专利技术中，所述异常图像是基于所述原始图像确定得到的，通过本方法可以得到与原始图像数量一致的异常图像，解决了数据不平衡的问题，在训练过程中，预设网络模型可以学习大量的异常图像，训练得到图像重构模型，提高了图像重构模型执行图像重构任务的精度和鲁棒性。行图像重构任务的精度和鲁棒性。行图像重构任务的精度和鲁棒性。

【技术实现步骤摘要】
一种图像重构模型的生成方法和计算机设备


[0001]本申请涉及网络数据检测
，特别是涉及一种图像重构模型的生成方法和计算机设备。

技术介绍

[0002]基于图像的异常检测，是图像视觉领域的经典问题，被广泛应用于工业领域，比如缺陷检测、安防、医疗等任务，随着人工智能技术的发展，基于卷积神经网络(CNN)检测识别技术已经取得了非常大的进步，得到了越来越广泛的应用。
[0003]现有技术中，异常检测存在数据不平衡的问题，也就是说，训练图像集中的异常图像远远少于正常图像，在训练过程中，很少对异常图像进行学习，会对正常图像过拟合，导致训练出来的图像重构模型很难检测出异常图像，造成极低的异常检测率。
[0004]因此，现有技术有待改进。

技术实现思路

[0005]本专利技术提供了一种图像重构模型的生成方法和计算机设备，本专利技术中的异常图像是基于原始图像确定的，可以得到大量的异常图像，解决了异常检测中数据不平衡的问题。
[0006]第一方面，本专利技术实施例提供了图像重构模型的生成方法，包括：
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像重构模型的生成方法，其特征在于，包括：获取训练样本集，其中，所述训练样本集包括若干训练图像组，若干训练图像组中的每组训练图像组均包括原始图像以及所述原始图像对应的异常图像，所述异常图像为基于所述原始图像确定得到的；基于所述训练样本集对预设网络模型进行训练，以得到图像重构模型。2.根据权利要求1所述的图像重构模型的生成方法，其特征在于，所述异常图像的确定过程具体包括：获取原始图像，并选取所述原始图像的图像区域；将所述图像区域中的各像素点的像素值设置为目标像素值，以得到所述原始图像对应的异常图像。3.根据权利要求2所述的图像重构模型的生成方法，其特征在于，所述选取所述原始图像的图像区域，具体包括：选取所述原始图像中的一目标像素点，并以所述目标像素点为中心，在所述原始图像中选取图像区域。4.根据权利要求3所述的图像重构模型的生成方法，其特征在于，所述选取所述原始图像中的一目标像素点，并以所述目标像素点为中心，在所述原始图像中选取图像区域，具体包括：在所述原始图像中选取一目标像素点；确定一目标形状，并确定所述目标形状对应的目标尺寸；以所述目标像素点为中心，在所述原始图像中确定所述目标形状和所述目标尺寸对应的图像区域。5.根据权利要求1所述的图像重构模型的生成方法，其特征在于，所述预设网络模型包括生成器和判别器；所述基于所述训练样本集对预设网络模型进行训练，以得到图像重构模型，具体包括：将训练图像组中的异常图像输入所述生成器，通过所述生成器确定所述异常图像对应的目标图像；将所述训练图像组中的原始图像和所述目标图像输入所述判别器，通过所述判别器确定所述目标图像和所述原始图像之间的相似度；基于所述原始图像和所述目标图像确定第一误差值和第二误差值；基于所述相似度、所述第一误差值和所述第二误差值确定损失函数值，并根据所述损失函数值对所述预设网络模型的参数进行修正，以得到图像重构模型。6.根据权利要求5所述的图像重构模型的生成方法，其特征在于，所述生成器包括编码器和解码器；所述将训练图像组中的异常图像输入所述生成器，通过所述生成器确定所述异常图像对应的目标图像，具体包括：将所述异常图像输入所述编码器，通过所述编码器确定所述异常图像对应的若干编码特征图，其中，所述若干编码特征图中各编码特征图的图像尺寸互不相同；将所述若干编码特征图输入所述解码器，通过所述解码器生成目标图像。7.根据权利要求6所述的图像重构模型的生成方法，其特征在于，所述编码器包括：第一特征提取模块、第二特征提取模块、第三特征提取模块和第四特征提取模块；所述将所述
异常图像输入所述编码器，通过所述编码器确定所述异常图像对应的若干编码特征图，具体包括：将所述异常图像输入所述第一特征提取模块，通过所述第一特征提取模块确定所述异常图像对应的第一编码特征图；将所述第一编码特征图输入所述第二特征提取模块，通过所述第二特征提取模块确定所述第一编码特征图对应的第二编码特征图；将所述第二编码特征图输入所述第三特征提取模块，通过所述第三特征提取模块确定所述第二编码特征图对应的第三编码特征图；将所述第三编码特征图输入所述第四特征提取模块，通过所述第四特征提取模块确定所述第三编码特征图对应的第四编码特征图。8.根据权利要求7所述的图像重构模型的生成方法，其特征在于，所述解码器包括：输入处理模块、第一解码模块、第二解码模块、第三解码模块和第四解码模块；所述将所述若干编码特征图输入所述解码器，通过所述解码器生成目标图像，具体包括：将所述第四特征编码图输入所述输入处理模块，以得到所述第四特征编码图对应的目标编码图；将所述第四特征编码图和所述目标编码图输入所述第一解码模块，以得到第一解码图；将所述第三特征编码图和所述第一解码图输入所述第二解码模块，以得到第二解码图；将所述第二特征编码图和所述第二解码图输入所述第三解码模块，以得到所述第三解码图；将所述第一特征编码图和所述第三解码图输入所述第四解码模块，以得到目标图。9.根据权利要求8所述的图像重构模型的生成方法，其特征在于，所述输入处理模块包括：全连接层和上采样层；所述将所述第四特征编码图输入所述输入处...

【专利技术属性】
技术研发人员：俞大海，李敬源，
申请(专利权)人：TCL科技集团股份有限公司，
类型：发明
国别省市：