图像检测方法、装置和计算机可读存储介质制造方法及图纸

本发明专利技术实施例提供图像检测方法、装置和计算机可读存储介质。根据本发明专利技术实施例的图像检测方法包括：获取两个待检测图像，并获取所述两个待检测图像分别对应的待检测特征图；对每个待检测特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重并根据所述通道权重获取特征向量，利用每个聚类模块的所述特征向量组成特征向量组；获取两个待检测特征图分别对应的两个特征向量组中由相同聚类模块的特征向量构成的特征向量对，并获取各个特征向量对的权重；至少根据所获取的特征向量对和特征向量对的权重，对所述两个待检测图像进行图像检测，获取所述两个待检测图像的相似度。度。度。

【技术实现步骤摘要】
图像检测方法、装置和计算机可读存储介质


[0001]本专利技术涉及图像处理领域，尤其涉及一种图像检测方法、装置和计算机可读存储介质。

技术介绍

[0002]针对图像的相似度检测，在当前社会特别是在工业场景中，具有非常重大的意义。然而，图像的相似度检测经常面临各种挑战(例如，神经网络训练中的异常样本有限，样本数据的标记问题、异常样本与正常样本差异过小或者受环境影响较大以及异常样本的标准不够统一等等)，这些挑战大大影响了图像相似度检测的准确性。
[0003]因此，需要一种能够提高图像相似度检测精度的图像检测方法和装置。

技术实现思路

[0004]为解决上述技术问题，根据本专利技术的一个方面，提供了一种图像检测方法，包括：获取两个待检测图像，并获取所述两个待检测图像分别对应的待检测特征图；对每个待检测特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重并根据所述通道权重获取特征向量，利用每个聚类模块的所述特征向量组成特征向量组；获取两个待检测特征图分别对应的两个特征向量组中由相同聚类模块的特征向量构成的特征向量对，并获取各个特征向量对的权重；至少根据所获取的特征向量对和特征向量对的权重，对所述两个待检测图像进行图像检测，获取所述两个待检测图像的相似度。
[0005]根据本专利技术的另一方面，提供了一种图像检测方法，包括：获取两个待检测图像；将所述两个待检测图像利用神经网络进行图像检测，获取所述两个待检测图像的相似度；其中，所述神经网络是通过如下方式训练的：获取至少两个训练图像分别对应的训练特征图；对每个训练特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重，并根据所述通道权重获取训练特征向量，利用每个聚类模块的所述训练特征向量组成训练特征向量组；分别获取与任意两个训练特征图分别对应的两个训练特征向量组的、由相同聚类模块的训练特征向量构成的训练特征向量对，并获取各个训练特征向量对的权重；至少根据所获取的训练特征向量对和训练特征向量对的权重，分别对两个训练特征向量组所对应的两个训练图像的相似度进行预测，根据预测结果调整所述神经网络的参数。
[0006]根据本专利技术的另一方面，提供了一种图像检测装置，包括：特征图获取单元，配置为获取两个待检测图像，并获取所述两个待检测图像分别对应的待检测特征图；聚类单元，配置为对每个待检测特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重并根据所述通道权重获取特征向量，利用每个聚类模块的所述特征向量组成特征向量组；特征向量对获取单元，配置为获取两个待检测特征图分别对应的两个特征向量组中由相同聚类模块的特征向量构成的特征向量对，并获取各个特征向量对的权重；检测单元，配置为至少根据所获取的特征向量对和特征向量对的权重，对所述两个待检测图像进行图像检测，获取所述两个待检测图像的相似度。
[0007]根据本专利技术的另一方面，提供了一种图像检测装置，包括：处理器；和存储器，在所述存储器中存储有计算机程序指令，其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器执行以下步骤：获取两个待检测图像，并获取所述两个待检测图像分别对应的待检测特征图；对每个待检测特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重并根据所述通道权重获取特征向量，利用每个聚类模块的所述特征向量组成特征向量组；获取两个待检测特征图分别对应的两个特征向量组中由相同聚类模块的特征向量构成的特征向量对，并获取各个特征向量对的权重；至少根据所获取的特征向量对和特征向量对的权重，对所述两个待检测图像进行图像检测，获取所述两个待检测图像的相似度。
[0008]根据本专利技术的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现以下步骤：获取两个待检测图像，并获取所述两个待检测图像分别对应的待检测特征图；对每个待检测特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重并根据所述通道权重获取特征向量，利用每个聚类模块的所述特征向量组成特征向量组；获取两个待检测特征图分别对应的两个特征向量组中由相同聚类模块的特征向量构成的特征向量对，并获取各个特征向量对的权重；至少根据所获取的特征向量对和特征向量对的权重，对所述两个待检测图像进行图像检测，获取所述两个待检测图像的相似度。
[0009]根据本专利技术的另一方面，提供了一种图像检测装置，包括：获取单元，配置为获取两个待检测图像；以及处理单元，配置为将所述两个待检测图像利用神经网络进行图像检测，获取所述两个待检测图像的相似度；其中，所述处理单元所利用的神经网络是通过如下方式训练的：获取至少两个训练图像分别对应的训练特征图；对每个训练特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重，并根据所述通道权重获取训练特征向量，利用每个聚类模块的所述训练特征向量组成训练特征向量组；分别获取与任意两个训练特征图分别对应的两个训练特征向量组的、由相同聚类模块的训练特征向量构成的训练特征向量对，并获取各个训练特征向量对的权重；至少根据所获取的训练特征向量对和训练特征向量对的权重，分别对两个训练特征向量组所对应的两个训练图像的相似度进行预测，根据预测结果调整所述神经网络的参数。
[0010]根据本专利技术的另一方面，提供了一种图像检测装置，包括：处理器；和存储器，在所述存储器中存储有计算机程序指令，其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器执行以下步骤：获取两个待检测图像；将所述两个待检测图像利用神经网络进行图像检测，获取所述两个待检测图像的相似度；其中，所述神经网络是通过如下方式训练的：获取至少两个训练图像分别对应的训练特征图；对每个训练特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重，并根据所述通道权重获取训练特征向量，利用每个聚类模块的所述训练特征向量组成训练特征向量组；分别获取与任意两个训练特征图分别对应的两个训练特征向量组的、由相同聚类模块的训练特征向量构成的训练特征向量对，并获取各个训练特征向量对的权重；至少根据所获取的训练特征向量对和训练特征向量对的权重，分别对两个训练特征向量组所对应的两个训练图像的相似度进行预测，根据预测结果调整所述神经网络的参数。
[0011]根据本专利技术的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程
序指令，其中，所述计算机程序指令被处理器执行时实现以下步骤：获取两个待检测图像；将所述两个待检测图像利用神经网络进行图像检测，获取所述两个待检测图像的相似度；其中，所述神经网络是通过如下方式训练的：获取至少两个训练图像分别对应的训练特征图；对每个训练特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重，并根据所述通道权重获取训练特征向量，利用每个聚类模块的所述训练特征向量组成训练特征向量组；分别获取与任意两个训练特征图分别对应的两个训练特征向量组的、由相同聚类模块的训练特征向量构成的训练特征向量对，并获取各个训练特征向量对的权重；至少根据所获取的训练特征向量对和训练特征向量对的权重，分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测方法，包括：获取两个待检测图像，并获取所述两个待检测图像分别对应的待检测特征图；对每个待检测特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重并根据所述通道权重获取特征向量，利用每个聚类模块的所述特征向量组成特征向量组；获取两个待检测特征图分别对应的两个特征向量组中由相同聚类模块的特征向量构成的特征向量对，并获取各个特征向量对的权重；至少根据所获取的特征向量对和特征向量对的权重，对所述两个待检测图像进行图像检测，获取所述两个待检测图像的相似度。2.如权利要求1所述的方法，其中，获取所述两个待检测图像分别对应的待检测特征图包括：根据卷积神经网络提取所述两个待检测图像的信息，输出对应的待检测特征图。3.如权利要求1所述的方法，其中，获取两个特征向量组中由相同聚类网络的特征向量构成的特征向量对，并获取各个特征向量对的权重还包括：根据所述特征向量对和各个特征向量对的权重获取加权的特征向量对。4.如权利要求3所述的方法，其中，至少根据所获取的特征向量对和特征向量对的权重，对所述两个待检测图像进行图像检测，获取所述两个待检测图像的相似度还包括：根据所述加权的特征向量对针对所述两个待检测图像进行图像检测，获取所述两个待检测图像的相似度。5.一种图像检测方法，包括：获取两个待检测图像；将所述两个待检测图像利用神经网络进行图像检测，获取所述两个待检测图像的相似度；其中，所述神经网络是通过如下方式训练的：获取至少两个训练图像分别对应的训练特征图；对每个训练特征图利用多个聚类模块进行聚类处理，获取每个聚类模块的通道权重，并根据所述通道权重获取训练特征向量，利用每个聚类模块的所述训练特征向量组成训练特征向量组；分别获取与任意两个训练特征图分别对应的两个训练特征向量组的、由相同聚类模块的训练特征向量构成的训练特征向量对，并获取各个训练特征向量对的权重；至少根据所获取的训练特征向量对和训练特征向量对的权重，分别对两个训练特征向量组所对应的两个训练图像的相似度进行预测，根据预测结果调整所述神经网络的参数。6.根据权利要求5所述的方法，其中，所述神经网络进一步通过如下方式进行训练：至少根据所获取的训练特征向量对和训练特征向量对的权重，计算各个训练特征向量对之间的距离；根据各个训练特征向量对之间的距离针对所述神经网络进行训练，调整所述神经网络的参数。7.如权利要求6所述的方法，其中，根据各个训练特征向量对之间的距离针对所述神经网络进行训练，调整所述神经网络的参数包括：根据各个训练特征向量对的类别针对所述神经网络进行训练，以使得相同类别的训练
特征向量对之间的距离最小化，不同类别的训练特征向量对之间的距离最大化。8.一种图像检测装置，包括：特征图获取单元，配置为获取两个待检测图像，并获取所述两个待检测图像分别对应的...

【专利技术属性】
技术研发人员：曹婷，张毅飞，王志成，贾焕，
申请(专利权)人：株式会社理光，
类型：发明
国别省市：