异常检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请实施例公开了一种异常检测方法、装置、计算机设备和存储介质；本申请实施例可以获取待检测图像，并确定对待检测图像进行检测所需的教师网络与学生网络，其中，学生网络存储有正常样本图像的特征记忆信息；通过教师网络对待检测图像进行第一特征提取处理，得到待检测图像在至少一个特征尺度的第一图像特征；通过学生网络基于特征记忆信息，对待检测图像进行第二特征提取处理，得到待检测图像在至少一个特征尺度的第二图像特征；对相同特征尺度的第一图像特征与第二图像特征进行特征比对处理，得到特征比对结果；基于特征比对结果，对待检测图像进行异常检测。该方案可以提高基于迁移学习对图像进行异常检测的准确率。迁移学习对图像进行异常检测的准确率。迁移学习对图像进行异常检测的准确率。

【技术实现步骤摘要】
异常检测方法、装置、计算机设备和存储介质


[0001]本申请涉及计算机
，具体涉及一种异常检测方法、装置、计算机设备和存储介质。

技术介绍

[0002]对图像进行异常检测，可以用于确定图像是否指示存在异常缺陷，例如，可以通过对工业产品的产品图像进行异常检测，以实现工业缺陷检测与定位。
[0003]在对相关技术的研究和实践过程中，本申请的专利技术人发现，当基于迁移学习中的“教师
‑
学生”框架来对待检测图像进行异常检测时，目前存在漏检、异常定位精度较低等问题，使得当前针对待检测图像的异常检测方法中，异常检测的准确率还有待提高。

技术实现思路

[0004]本申请实施例提出了一种异常检测方法、装置、计算机设备和存储介质，提高基于迁移学习对图像进行异常检测的准确率。
[0005]本申请实施例提供一种异常检测方法，包括：
[0006]获取待检测图像，并确定对所述待检测图像进行检测所需的教师网络与学生网络，其中，所述学生网络存储有正常样本图像的特征记忆信息；
[0007]通过所述教师网络对所述待检测图像进行第一特征提取处理，得到所述待检测图像在至少一个特征尺度的第一图像特征；
[0008]通过所述学生网络基于所述特征记忆信息，对所述待检测图像进行第二特征提取处理，得到所述待检测图像在所述至少一个特征尺度的第二图像特征；
[0009]对相同特征尺度的所述第一图像特征与所述第二图像特征进行特征比对处理，得到特征比对结果；
[0010]基于所述特征比对结果，对所述待检测图像进行异常检测。
[0011]相应的，本申请实施例还提供一种网络训练方法，包括：
[0012]确定正常样本图像、训练后的教师网络、以及待训练的学生网络，其中，所述学生网络存储有所述正常样本图像的初始特征记忆信息；
[0013]通过所述教师网络对所述正常样本图像进行第一特征提取处理，得到所述正常样本图像在至少一个特征尺度的第一图像特征；
[0014]基于所述第一图像特征，对所述初始特征记忆信息进行更新，得到更新后的特征记忆信息；
[0015]通过所述学生网络基于所述更新后的特征记忆信息，对所述正常样本图像进行第二特征提取处理，得到正常样本图像在所述至少一个特征尺度的第二图像特征；
[0016]对相同特征尺度的所述第一图像特征与所述第二图像特征进行特征比对处理，得到特征比对结果；
[0017]基于所述特征比对结果，对所述学生网络进行训练，以确定训练后的学生网络，其
中，所述训练后的学生网络存储有所述正常样本图像的更新后的特征记忆信息。
[0018]相应的，本申请实施例还提供一种异常检测装置，包括：
[0019]获取单元，用于获取待检测图像，并确定对所述待检测图像进行检测所需的教师网络与学生网络，其中，所述学生网络存储有正常样本图像的特征记忆信息；
[0020]第一提取单元，用于通过所述教师网络对所述待检测图像进行第一特征提取处理，得到所述待检测图像在至少一个特征尺度的第一图像特征；
[0021]第二提取单元，用于通过所述学生网络基于所述特征记忆信息，对所述待检测图像进行第二特征提取处理，得到所述待检测图像在所述至少一个特征尺度的第二图像特征；
[0022]第一比对单元，用于对相同特征尺度的所述第一图像特征与所述第二图像特征进行特征比对处理，得到特征比对结果；
[0023]检测单元，用于基于所述特征比对结果，对所述待检测图像进行异常检测。
[0024]在一实施例中，所述学生网络包括至少一个特征尺度的特征提取模块，每个所述特征尺度的特征提取模块存储有所述正常样本图像在对应特征尺度的特征记忆信息；所述第二提取单元，包括：
[0025]特征提取子单元，用于通过各个特征尺度的特征提取模块基于对应特征尺度的特征记忆信息，对所述待检测图像进行第二特征提取处理，得到所述待检测图像在所述至少一个特征尺度的第二图像特征。
[0026]在一实施例中，所述学生网络包括第一特征尺度的第一特征提取模块，所述第一特征提取模块存储有所述正常样本图像在所述第一特征尺度的特征记忆信息；所述特征提取子单元，具体用于：
[0027]获取所述待检测图像在所述第一特征尺度的记忆查询信息；基于所述记忆查询信息，在所述第一特征尺度的特征记忆信息进行信息查询，得到查询结果信息；通过所述第一特征提取模块基于所述查询结果信息进行第二特征提取，得到所述待检测图像在所述第一特征尺度的第二图像特征。
[0028]在一实施例中，所述第一特征尺度的特征记忆信息包括键特征记忆信息、以及与所述键特征记忆信息关联的值特征记忆信息；所述特征提取子单元，具体用于：
[0029]确定所述记忆查询信息与所述键特征记忆信息之间的相似度；根据所述相似度，确定所述记忆查询信息的查询权重；基于所述查询权重，对所述值特征记忆信息进行信息聚合处理，得到聚合后的查询结果信息。
[0030]在一实施例中，所述特征提取子单元，具体用于：
[0031]对所述第一图像特征进行特征尺寸调节处理，得到调节后图像特征，其中，所述调节后图像特征具有至少一个特征维度；在目标特征维度上对所述调节后图像特征进行特征拼接处理，得到拼接后图像特征；通过所述第一特征提取模块基于所述拼接后图像特征，生成所述待检测图像在所述第一特征尺度的记忆查询信息。
[0032]在一实施例中，所述学生网络包括第二特征尺度的第二特征提取模块，所述第二特征提取模块存储有所述正常样本图像在所述第二特征尺度的特征记忆信息；所述特征提取子单元，具体用于：
[0033]通过所述第二特征提取模块，生成所述待检测图像在所述第二特征尺度的初始图
像特征；基于所述特征记忆信息，生成所述初始图像特征在所述第二特征尺度的自适应记忆信息；根据所述初始图像特征，对所述自适应记忆信息进行信息聚合处理，以生成所述待检测图像在所述第二特征尺度的第二图像特征。
[0034]在一实施例中，所述自适应记忆信息包括至少一个自适应特征记忆项；所述特征提取子单元，具体用于：
[0035]确定所述初始图像特征与所述自适应特征记忆项之间的相似度；根据所述相似度，确定所述自适应特征记忆项的聚合权重；根据所述聚合权重，对所述自适应特征记忆项进行信息聚合处理。
[0036]在一实施例中，所述第二特征尺度的特征记忆信息包括特征维度调节所需的调节参数信息；所述特征提取子单元，具体用于：
[0037]基于所述调节参数信息，对所述初始图像特征进行特征维度调节处理，得到调节后图像特征，其中，所述调节后图像特征具有至少一个特征维度；基于所述调节后图像特征在目标特征维度上的特征分布，计算聚合权重；根据所述聚合权重，针对所述初始图像特征进行特征聚合处理，以生成所述初始图像特征在所述第二特征尺度的自适应记忆信息。
[0038]相应的，本申请实施例还提供一种网络训练装置，包括：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常检测方法，其特征在于，包括：获取待检测图像，并确定对所述待检测图像进行检测所需的教师网络与学生网络，其中，所述学生网络存储有正常样本图像的特征记忆信息；通过所述教师网络对所述待检测图像进行第一特征提取处理，得到所述待检测图像在至少一个特征尺度的第一图像特征；通过所述学生网络基于所述特征记忆信息，对所述待检测图像进行第二特征提取处理，得到所述待检测图像在所述至少一个特征尺度的第二图像特征；对相同特征尺度的所述第一图像特征与所述第二图像特征进行特征比对处理，得到特征比对结果；基于所述特征比对结果，对所述待检测图像进行异常检测。2.根据权利要求1所述的异常检测方法，其特征在于，所述学生网络包括至少一个特征尺度的特征提取模块，每个所述特征尺度的特征提取模块存储有所述正常样本图像在对应特征尺度的特征记忆信息；通过所述学生网络基于所述特征记忆信息，对所述待检测图像进行第二特征提取处理，得到所述待检测图像在所述至少一个特征尺度的第二图像特征，包括：通过各个特征尺度的特征提取模块基于对应特征尺度的特征记忆信息，对所述待检测图像进行第二特征提取处理，得到所述待检测图像在所述至少一个特征尺度的第二图像特征。3.根据权利要求2所述的异常检测方法，其特征在于，所述学生网络包括第一特征尺度的第一特征提取模块，所述第一特征提取模块存储有所述正常样本图像在所述第一特征尺度的特征记忆信息；通过各个特征尺度的特征提取模块基于对应特征尺度的特征记忆信息，对所述待检测图像进行第二特征提取处理，得到所述待检测图像在所述至少一个特征尺度的第二图像特征，包括：获取所述待检测图像在所述第一特征尺度的记忆查询信息；基于所述记忆查询信息，在所述第一特征尺度的特征记忆信息进行信息查询，得到查询结果信息；通过所述第一特征提取模块基于所述查询结果信息进行第二特征提取，得到所述待检测图像在所述第一特征尺度的第二图像特征。4.根据权利要求3所述的异常检测方法，其特征在于，所述第一特征尺度的特征记忆信息包括键特征记忆信息、以及与所述键特征记忆信息关联的值特征记忆信息；基于所述记忆查询信息，在所述第一特征尺度的特征记忆信息进行信息查询，得到查询结果信息，包括：确定所述记忆查询信息与所述键特征记忆信息之间的相似度；根据所述相似度，确定所述记忆查询信息的查询权重；基于所述查询权重，对所述值特征记忆信息进行信息聚合处理，得到聚合后的查询结果信息。5.根据权利要求3所述的异常检测方法，其特征在于，获取所述待检测图像在所述第一特征尺度的记忆查询信息，包括：
对所述第一图像特征进行特征尺寸调节处理，得到调节后图像特征，其中，所述调节后图像特征具有至少一个特征维度；在目标特征维度上对所述调节后图像特征进行特征拼接处理，得到拼接后图像特征；通过所述第一特征提取模块基于所述拼接后图像特征，生成所述待检测图像在所述第一特征尺度的记忆查询信息。6.根据权利要求2所述的异常检测方法，其特征在于，所述学生网络包括第二特征尺度的第二特征提取模块，所述第二特征提取模块存储有所述正常样本图像在所述第二特征尺度的特征记忆信息；通过各个特征尺度的特征提取模块基于对应特征尺度的特征记忆信息，对所述待检测图像进行第二特征提取处理，得到所述待检测图像在所述至少一个特征尺度的第二图像特征，包括：通过所述第二特征提取模块，生成所述待检测图像在所述第二特征尺度的初始图像特征；基于所述特征记忆信息，生成所述初始图像特征在所述第二特征尺度的自适应记忆信息；根据所述初始图像特征，对所述自适应记忆信息进行信息聚合处理，以生成所述待检测图像在所述第二特征尺度的第二图像特征。7.根据权利要求6所述的异常检测方法，其特征在于，所述自适应记忆信息包括至少一个自适应特征记忆项；根据所述初始图像特征，对所述自适应记忆信息进行信息聚合处理，包括：确定所述初始图像特征与所述自适应特征记忆项之间的相似度；根据所述相似度，确定所述自适应特征记忆...

【专利技术属性】
技术研发人员：刘亮，顾智浩，陈旭，张江宁，王亚彪，
申请(专利权)人：腾讯科技上海有限公司，
类型：发明
国别省市：