图像检测方法、装置、设备、可读存储介质及程序产品制造方法及图纸

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，该方法包括：获取包含待检测对象的待检测图像；将待检测图像输入目标异常检测模型中进行处理，得到用于指示待检测对象存在异常的概率的目标异常检测结果；目标异常检测模型是根据第一异常检测模型确定的，第一异常检测模型是利用根据第一差异参数确定的目标差异参数对初始异常检测模型进行训练得到的，第一差异参数是根据第一合成特征图对应的预测异常检测结果确定的；第一合成特征图是将各个样本图像的第一参考特征图进行合成处理得到。通过本申请实施例，通过将多个样本图像的特征图进行合成得到新的异常特征，增加了异常特征的类型，提高了异常检测模型的泛化性。测模型的泛化性。测模型的泛化性。

【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以及计算机程序产品。

技术介绍

[0002]工业缺陷质检是指对生产制造过程中的工业产品进行质量检测。随着人工智能技术的发展，人工智能质检技术可以通过对待检测对象的表面拍摄图像进行图像检测，得到待检测对象存在异常的概率，实现对待检测对象的质量检测。
[0003]目前，人工智能质检技术中，用于图像检测的异常检测模型主要是根据训练集进行模型训练。然而，训练集中包含的异常样本的类型是有限的，因此，模型根据异常样本提取到的异常特征的类型也较少，这导致基于该训练集训练得到的异常检测模型能够处理的异常情况较少，异常检测模型的泛化性较差。

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，通过将多个样本图像的特征图进行合成，得到不同于样本图像的新的异常特征，从而增加模型训练过程中异常特征的类型，提高异常检测模型的泛化性。
[0005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，其特征在于，所述方法包括：获取待检测图像，所述待检测图像中包含待检测对象；将所述待检测图像输入目标异常检测模型中进行处理，得到所述待检测图像的目标异常检测结果，所述目标异常检测结果用于指示所述待检测图像中的所述待检测对象存在异常的概率；其中，所述目标异常检测模型是根据第一异常检测模型确定的，所述第一异常检测模型是利用目标差异参数对初始异常检测模型进行训练得到的，所述目标差异参数是根据第一差异参数确定的，所述第一差异参数是根据合成标签值以及第一合成特征图对应的预测异常检测结果确定的；所述合成标签值是将多个样本图像的标注标签值进行合成处理得到的，所述标注标签值用于指示样本图像中的检测对象是否存在异常；所述第一合成特征图是将各个所述样本图像的第一参考特征图进行合成处理得到，所述第一参考特征图是利用所述初始异常检测模型对所述样本图像进行特征提取处理得到；所述预测异常检测结果是利用所述初始异常检测模型对所述第一合成特征图进行异常检测处理得到，所述预测异常检测结果用于指示所述第一合成特征图所对应检测对象存在异常的预测概率。2.根据权利要求1所述的方法，其特征在于，所述目标差异参数是根据所述第一差异参数以及第二差异参数确定的，所述第二差异参数是根据第一目标特征图和第二目标特征图确定的；所述第一目标特征图是根据所述第一合成特征图确定的；所述第二目标特征图是根据第二合成特征图确定的，所述第二合成特征图是将各个所述样本图像的第二参考特征图进行合成处理得到，所述第二参考特征图是利用第二异常检测模型对所述样本图像进行特征提取处理得到；所述第二异常检测模型是利用训练数据集训练得到，所述训练数据集包括多个训练图像以及各个所述训练图像的标注标签值；所述第二异常检测模型和所述第一异常检测模型的模型结构相匹配。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取所述多个样本图像以及各个所述样本图像的标注标签值；利用所述初始异常检测模型对所述多个样本图像进行特征提取处理，得到各个所述样本图像的第一参考特征图，根据各个所述样本图像对应的合成权重参数将各个所述样本图像的第一参考特征图进行合成处理，得到所述第一合成特征图，并利用所述初始异常检测模型对所述第一合成特征图进行异常检测处理，得到所述第一合成特征图对应的所述预测异常检测结果；根据各个所述样本图像对应的合成权重参数将各个所述样本图像的标注标签值进行合成处理，得到所述合成标签值，所述合成标签值用于指示所述第一合成特征图所对应检测对象存在异常的参考概率；利用所述第二异常检测模型对所述多个样本图像进行特征提取处理，得到各个所述样本图像的第二参考特征图，根据各个所述样本图像对应的合成权重参数将各个所述样本图像的第二参考特征图进行合成处理，得到所述第二合成特征图；根据所述预测异常检测结果和所述合成标签值确定所述第一差异参数，获取根据所述第一合成特征图确定的所述第一目标特征图以及根据所述第二合成特征图确定的所述第二目标特征图，将所述第一目标特征图和所述第二目标特征图进行差异比较，并根据差异比较结果确定所述第二差异参数；
根据所述第一差异参数、所述第二差异参数以及所述第二差异参数对应的权重参数确定所述目标差异参数，利用所述目标差异参数对所述初始异常检测模型的模型参数进行调整，得到所述第一异常检测模型。4.根据权利要求3所述的方法，其特征在于，所述初始异常检测模型包括特征提取模块，所述特征提取模块包括M个特征提取单元，所述M个特征提取单元串行连接，M为正整数；所述利用所述初始异常检测模型对所述多个样本图像进行特征提取处理，得到各个所述样本图像的第一参考特征图，包括：将目标样本图像输入所述特征提取模块，以使得目标特征提取单元针对所述目标样本图像进行特征提取处理，得到所述目标特征提取单元输出的特征图；所述目标特征提取单元为所述M个特征提取单元中排在第一位至第N位的任意一个特征提取单元，N为小于或等于M的正整数，所述目标样本图像为所述多个样本图像中的任意一个；将所述M个特征提取单元中排在第N位的特征提取单元输出的特征图，确定为...

【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：