瑕疵图像生成方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及图像生成领域，提供一种瑕疵图像生成方法、装置、电子设备及存储介质。所述方法包括：根据无瑕疵样本图像和第一噪声向量生成第一输入数据，将自编码器作为生成对抗网络的生成器，将第一输入数据输入至生成器，选择瑕疵样本图像作为第一输出图像，通过生成器生成瑕疵训练图像，计算第一损失值，将瑕疵训练图像输入判别器计算第二损失值，由第一、第二损失值得到第三损失值，优化得到瑕疵图像对抗网络，获取无瑕疵测试图像，将无瑕疵测试图像和第二噪声输入生成器生成瑕疵图像。本发明专利技术可以生成与瑕疵样本图像近似的瑕疵图像，产生多样的瑕疵样本图像。样的瑕疵样本图像。样的瑕疵样本图像。

【技术实现步骤摘要】
瑕疵图像生成方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像处理领域，具体涉及一种瑕疵图像生成方法、装置、电子设备及存储介质。

技术介绍

[0002]对产品做表面瑕疵进行检测时，由于表面瑕疵样本不易收集，很难建立全面的瑕疵样本数据，在使用样本图像训练分类网络进行瑕疵检测时，因为没有各种瑕疵样本的型态，使得瑕疵检测结果精度不高。

技术实现思路

[0003]鉴于以上内容，有必要提出一种瑕疵图像生成方法、装置、电子设备及存储介质以生成与真实瑕疵样本图像类似的瑕疵图像。
[0004]本申请的第一方面提供一种瑕疵图像生成方法，包括：
[0005]根据无瑕疵样本图像和第一噪声向量生成第一输入数据，将自编码器作为生成对抗网络的生成器，将所述第一输入数据输入至所述生成器，选择瑕疵样本图像作为所述生成器的第一输出图像，通过所述生成器根据所述第一输入数据及所述第一输出图像生成瑕疵训练图像；
[0006]使用预设的误差函数计算所述无瑕疵样本图像与所述瑕疵训练图像之间的第一损失值；
[0007]将所述瑕疵训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种瑕疵图像生成方法，其特征在于，所述方法包括：根据无瑕疵样本图像和第一噪声向量生成第一输入数据，将自编码器作为生成对抗网络的生成器，将所述第一输入数据输入至所述生成器，选择瑕疵样本图像作为所述生成器的第一输出图像，通过所述生成器根据所述第一输入数据及所述第一输出图像生成瑕疵训练图像；使用预设的误差函数计算所述无瑕疵样本图像与所述瑕疵训练图像之间的第一损失值；将所述瑕疵训练图像输入所述生成对抗网络的判别器，通过所述生成对抗网络的损失函数计算第二损失值；根据所述第一损失值和所述第二损失值得到第三损失值，根据所述第三损失值优化所述生成对抗网络的所述生成器和所述判别器，将优化后的所述生成对抗网络作为瑕疵图像对抗网络；获取无瑕疵测试图像，将所述无瑕疵测试图像和第二噪声输入所述瑕疵图像对抗网络的生成器，通过所述瑕疵图像对抗网络的生成器对所述无瑕疵测试图像和所述第二噪声进行处理后生成瑕疵图像。2.如权利要求1所述的瑕疵图像生成方法，其特征在于，所述根据无瑕疵样本图像和第一噪声向量生成第一输入数据包括：将所述无瑕疵样本图像进行向量化处理，得到所述无瑕疵样本图像的特征向量；使用预设的噪声生成方法生成符合高斯随机分布的所述第一噪声向量；拼接所述无瑕疵样本图像的特征向量与所述第一噪声向量，得到所述第一输入数据。3.如权利要求2所述的瑕疵图像生成方法，其特征在于，所述将所述第一输入数据输入至所述生成器，选择瑕疵样本图像作为所述生成器的第一输出图像，通过所述生成器根据所述第一输入数据及所述第一输出图像生成瑕疵训练图像包括：将所述第一输入数据输入所述生成器；利用所述生成器中的编码层对所述第一输入数据进行运算，得到所述第一输入数据的隐向量；选择所述瑕疵样本图像作为第一输出图像；利用所述生成器中的解码层根据所述第一输入数据的隐向量重建所述第一输出图像，得到瑕疵训练图像。4.如权利要求1所述的瑕疵图像生成方法，其特征在于，所述使用预设的误差函数计算所述无瑕疵样本图像与所述瑕疵训练图像之间的第一损失值包括：根据所述无瑕疵样本图像得到所述无瑕疵样本图像的第一像素矩阵；根据所述瑕疵训练图像得到所述瑕疵训练图像的第二像素矩阵；计算所述第一像素矩阵与所述第二像素矩阵的均方差，并将所述均方差作为所述第一损失值。5.如权利要求1所述的瑕疵图像生成方法，其特征在于，所述生成对抗网络的损失函数的计算公式为其中，G为所述生成器，t～P
data
(t)表示瑕疵样本训练数据集t的分布，D(t)表示判别器D对瑕疵样本训
...

【专利技术属性】
技术研发人员：杨荣浩，郭锦斌，卢志德，
申请(专利权)人：鸿海精密工业股份有限公司，
类型：发明
国别省市：