一种基于正样本诱导的不平衡异常图像检测方法技术

本发明专利技术公开了一种基于正样本诱导的不平衡异常图像检测方法，属于图像处理技术领域。异常图像检测对于提升工业视觉质量检测精度和效率具有重要意义，在大多数真实场景下的异常图像检测中，往往存在正、负样本比例不平衡的情况，使得异常图像检测更具挑战性。本发明专利技术通过提出一种新型的正样本诱导损失来训练深度神经网络，以处理异常图像检测中的正负样本不平衡问题。所提出的正样本诱导损失包括正样本分类分数诱导损失和正样本特征对比损失。为进一步提升正负样本不平衡问题下的检测精度，本发明专利技术通过将负样本划分为多个子集，提出了基于正样本诱导损失的多模型集成方法。能够有效提升异常图像检测精度。提升异常图像检测精度。提升异常图像检测精度。

An unbalanced abnormal image detection method based on positive sample induction

【技术实现步骤摘要】
一种基于正样本诱导的不平衡异常图像检测方法


[0001]本专利技术属于图像处理
，更具体地，涉及一种基于正样本诱导的不平衡异常图像检测方法。

技术介绍

[0002]工业质检是产品出厂或者工件进入下一生产节拍的重要步骤，需要检出不同于正常产品(或者工件)的异常产品，其往往在生产过程中受到表面损伤等缺陷破坏。图像处理技术往往用于工业质检，通过布置的工业相机对待检测件进行图像采集，对采集的图像进行处理、分析，来判别是否为异常件，来辅助人工进行质检从而提高生产效率。
[0003]实际生产过程中，由于异常工件的发生频率较低，所采集到的异常工件的图像数量远远少于正常工件的图像数量。因此，在实际质检场景中，产生了正负样本不平衡的问题，一般的分类方法或者基于无监督的异常图像检测方法往往难以解决此类问题。同时，由于生产工艺的低可控性和高复杂性，导致产品或者工件异常的问题往往不一，从而导致采集到的异常图像中的异常区域位置多变、尺度不一、形状多样等等，进一步增加了异常图像检测的难度。

技术实现思路

[0004]针对现有技术的缺陷和改进需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于正样本诱导的不平衡异常图像检测模型的训练方法，其特征在于，包括：确定训练样本集，所述训练样本集中的样本为已打上标签的训练图像；其中，标签为0表示负样本，标签为1表示正样本；根据所述训练样本集，通过损失函数对初始神经网络进行训练，以获得异常图像检测模型；其中，所述损失函数l
PLI
表示为：式中，N
b
表示一个批次训练样本的总数，x
i
和y
i
分别表示该批次训练样本中第i张训练图像及对应的标签，y
i
为0或1，p0和p1分别表示该批次训练样本中负样本和正样本的频率，f
θ
(x
i
)[0]和f
θ
(x
i
)[1]分别表示将第i张训练图像预测为负样本和正样本的分类分数。2.一种基于正样本诱导的不平衡异常图像检测模型的训练方法，其特征在于，包括：确定训练样本集，所述训练样本集中的样本为已打上标签的训练图像；其中，标签为0表示负样本，标签为1表示正样本；根据所述训练样本集，通过损失函数对初始神经网络进行训练，以获得异常图像检测模型；其中，所述损失函数l
PSI
表示为：l
PSI
＝l
PLI
+λ
·
l
PFCPFCPFC
式中，l
PLI
表示正样本分类分数诱导损失，N
b
表示一个批次训练样本的总数，x
i
和y
i
分别表示该批次训练样本中第i张训练图像及对应的标签，y
i
为0或1，p0和p1分别表示该批次训练样本中负样本和正样本的频率，f
θ
...

【专利技术属性】
技术研发人员：李新宇，万千，高亮，高艺平，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：