【技术实现步骤摘要】
图像检测方法、装置、设备、可读存储介质及程序产品
[0001]本申请涉及人工智能
,尤其涉及图像检测方法、图像检测装置、计算机设备、计算机可读存储介质及计算机程序产品。
技术介绍
[0002]工业质检是指对生产制造过程的工业产品进行质量检测、找到产品中存在的不同种类的缺陷的过程。工业质检能够及时快速地反映当前生产制造过程中存在的问题,有利于提高工业产品的生产效率。
[0003]人工质检是指由专业质检人员对待检测工业产品或者针对工业产品拍摄的待检测图像进行质量检测的方法。由于人工质检高度依赖于专业质检人员的专业技术和经验,因此,人工质检方法的检测效率较低,检测成本较高。
技术实现思路
[0004]本申请实施例提供了图像检测方法、装置、设备、可读存储介质及程序产品,可以实现图像检测的自动化及智能化,从而有效提高图像检测的检测效率,降低检测成本。
[0005]一方面,本申请实施例提供了一种图像检测方法,所述方法包括:
[0006]利用目标图像处理模型的特征提取网络对待检测图像进行特征提取处理,得到所述待检测图像的图像特征;
[0007]利用所述目标图像处理模型的图像重建网络根据所述图像特征进行图像重建处理,得到所述待检测图像的重建图像;所述目标图像处理模型是利用正常样本图像和所述正常样本图像的插值样本图像训练得到;
[0008]根据所述待检测图像和所述重建图像确定重建质量度量数据;
[0009]获取所述待检测图像的插值图像,利用所述待检测图像和所述插值图 ...
【技术保护点】
【技术特征摘要】
1.一种图像检测方法,其特征在于,所述方法包括:利用目标图像处理模型的特征提取网络对待检测图像进行特征提取处理,得到所述待检测图像的图像特征;利用所述目标图像处理模型的图像重建网络根据所述图像特征进行图像重建处理,得到所述待检测图像的重建图像;所述目标图像处理模型是利用正常样本图像和所述正常样本图像的插值样本图像训练得到;根据所述待检测图像和所述重建图像确定重建质量度量数据;获取所述待检测图像的插值图像,利用所述待检测图像和所述插值图像对所述目标图像处理模型进行虚拟训练,并根据虚拟训练所涉及的相关数据确定所述目标图像处理模型的梯度度量数据;根据所述重建质量度量数据和所述梯度度量数据确定所述待检测图像的图像检测结果,所述图像检测结果用于指示所述待检测图像为正常图像或者异常图像。2.根据权利要求1所述的方法,其特征在于,所述利用所述待检测图像和所述插值图像对所述目标图像处理模型进行虚拟训练,并根据虚拟训练所涉及的相关数据确定所述目标图像处理模型的梯度度量数据,包括:在第I虚拟训练阶段,利用在第I
‑
1虚拟训练阶段虚拟训练后的图像处理模型分别对所述待检测图像和所述插值图像进行处理,得到所述待检测图像的参考图像特征和重建参考图像、所述插值图像的插值图像特征和重建插值图像;根据所述待检测图像、所述参考图像特征、所述重建参考图像、所述插值图像、所述插值图像特征、所述重建插值图像、所述在第I
‑
1虚拟训练阶段虚拟训练后的图像处理模型的模型参数,确定所述第I虚拟训练阶段的模型差异数据和目标模型参数梯度;并利用所述第I虚拟训练阶段的模型差异数据对所述在第I
‑
1虚拟训练阶段虚拟训练后的图像处理模型进行再次虚拟训练,得到在第I虚拟训练阶段虚拟训练后的图像处理模型;根据各个虚拟训练阶段的目标模型参数梯度确定所述目标图像处理模型的梯度度量数据;其中,I为小于或者等于T的任意一个正整数,T为虚拟训练总阶段数,T为大于1的整数;当I为1时,在第I
‑
1虚拟训练阶段虚拟训练后的图像处理模型为所述目标图像处理模型。3.根据权利要求2所述的方法,其特征在于,所述根据所述待检测图像、所述参考图像特征、所述重建参考图像、所述插值图像、所述插值图像特征、所述重建插值图像、所述在第I
‑
1虚拟训练阶段虚拟训练后的图像处理模型的模型参数,确定所述第I虚拟训练阶段的模型差异数据和目标模型参数梯度,包括:根据所述参考图像特征和所述插值图像特征确定第一特征差异数据;根据所述待检测图像和所述重建参考图像之间的差异、所述插值图像和所述重建插值图像之间的差异,确定第一重建差异数据;根据所述第一特征差异数据、所述第一重建差异数据、所述在第I
‑
1虚拟训练阶段虚拟训练后的图像处理模型的模型参数,确定所述第I虚拟训练阶段的模型差异数据和目标模型参数梯度。4.根据权利要求3所述的方法,其特征在于,所述根据所述第一特征差异数据、所述第一重建差异数据、所述在第I
‑
1虚拟训练阶段虚拟训练后的图像处理模型的模型参数,确定
所述第I虚拟训练阶段的模型差异数据和目标模型参数梯度,包括:根据所述第一特征差异数据、所述第一重建差异数据、所述在第I
‑
1虚拟训练阶段虚拟训练后的图像处理模型的模型参数,确定所述第I虚拟训练阶段的中间模型参数梯度;当I为1时,根据所述第I虚拟训练阶段的中间模型参数梯度,确定所述第I虚拟训练阶段的梯度差异数据;当I大于1时,获取记录的第1虚拟训练阶段至第I
‑
1虚拟训练阶段中各个虚拟训练阶段的中间模型参数梯度,根据所述第1虚拟训练阶段至所述第I
‑
1虚拟训练阶段中各个虚拟训练阶段的中间模型参数梯度、所述第I虚拟训练阶段的中间模型参数梯度,确定所述第I...
【专利技术属性】
技术研发人员:张博深,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。