【技术实现步骤摘要】
本公开涉及图像检测，具体涉及一种图像检测方法、模型训练方法、装置、设备及介质。
技术介绍
1、在现代信息时代，大量的图像数据被不断产生和积累，这使得针对图像的检测技术成为数据分析和安全领域中至关重要的一部分。例如，在机械零件检测领域中，可以拍摄机械零件的图像，并根据针对该图像进行检测，以确定该图像是否为正常图像，若为正常图像则说明该图像中的机械零件不包括任何裂缝。
2、传统的图像检测方法主要基于统计学和机器学习技术，例如基于离群点的统计方法和基于监督学习的分类器。然而申请人发现，这些方法在针对图像场景较为复杂的图像进行检测时，准确率较差。
技术实现思路
1、为了解决相关技术中的问题，本公开实施例提供一种图像检测方法、模型训练方法、装置、设备及介质。
2、第一方面，本公开实施例中提供了一种图像检测方法，包括：
3、获取待检测图像，并获取待检测图像的先验分布；
4、获取预先训练得到的基于分数的模型，并根据基于分数的模型以及时间依赖的扩散系数，模拟从待检测图像的先验分布到真实分布的逆时间扩散过程；
5、获取逆时间扩散过程中基于分数的模型的梯度散度、在逆时间扩散过程的结束时间基于分数的模型的结束似然度；
6、根据梯度散度、结束似然度以及时间依赖的扩散系数，获取在逆时间扩散过程中基于分数的模型的目标似然度；
7、根据目标似然度确定待检测图像是否为目标图像。
8、在本公开的一种实施方式中，获取待检测
9、根据pt(h(x))＝(|det(jh(x))|)/p0(x)获取待检测图像的先验分布pt(h(x))，其中x为待检测图像的图像数据，p0(x)为待检测图像的真实分布，h(x)为映射函数，jh(x))为映射函数在对应的图像数据处的雅可比矩阵。
10、在本公开的一种实施方式中，根据基于分数的模型以及时间依赖的扩散系数，模拟从待检测图像的先验分布到真实分布的逆时间扩散过程，包括：
11、根据基于分数的模型以及时间依赖的扩散系数，计算逆时间扩散过程中待检测图像随时间的图像数据变化量；
12、基于图像数据变化量，通过时间步迭代模拟逆时间扩散过程。
13、在本公开的一种实施方式中，根据基于分数的模型以及时间依赖的扩散系数，计算逆时间扩散过程中待检测图像随时间的图像数据变化量，包括：
14、根据dx＝-0.5*σ2(t)sθ(x，t)dt+σ(t)dw获取图像数据变化量dx，其中t为时间，σ(t)为时间依赖的扩散系数，sθ(x，t)为基于分数的模型的输出，dt为时间变化量，dw为标准布朗运动。
15、在本公开的一种实施方式中，获取逆时间扩散过程中基于分数的模型的梯度散度，包括：
16、根据获取基于分数的模型的梯度散度divsθ(x(t)，t)，其中x(t)为在逆时间扩散过程中t时刻的图像数据，sθ(x(t)，t)为基于分数的模型在逆时间扩散过程中t时刻的输出，∈为随机向量，i表示单位矩阵，为标准多元正态分布，为对随机向量∈进行期望，其中随机向量∈是从标准多元正态分布中采样的，∈t为随机向量∈的转置。
17、在本公开的一种实施方式中，根据梯度散度、结束似然度以及时间依赖的扩散系数，获取在逆时间扩散过程中基于分数的模型的目标似然度，包括：
18、根据获取目标似然度logp0(x(0))，其中x(0)为在逆时间扩散过程的初始时间的图像数据，x(1)为在逆时间扩散过程的结束时间的图像数据，logpt(x(1))为结束似然度。
19、在本公开的一种实施方式中，根据目标似然度确定待检测图像是否为目标图像，包括：
20、当目标似然度与似然度阈值之间的依然度差值小于或等于依然度差阈值时，确定待检测图像为目标图像；
21、或，当依然度差值大于依然度差阈值时，确定待检测图像不为目标图像。
22、第二方面，本公开实施例中提供了一种模型训练方法，包括：
23、获取目标图像，并获取目标图像的先验分布；
24、获取待训练的基于分数的模型，并基于待训练的基于分数的模型以及时间依赖的扩散系数，模拟从目标图像的先验分布到真实分布的逆时间扩散过程；
25、获取逆时间扩散过程中待训练的基于分数的模型的梯度散度、在逆时间扩散过程的结束时间待训练的基于分数的模型的结束似然度；
26、根据梯度散度、结束似然度以及时间依赖的扩散系数，获取在逆时间扩散过程中待训练的基于分数的模型的训练似然度；
27、获取训练似然度与似然度阈值之间的依然度差值；
28、当依然度差值大于依然度差阈值时，调整待训练的基于分数的模型中的至少一项参数；
29、或，当依然度差值小于或等于依然度差阈值时，将待训练的基于分数的模型确定为训练后的基于分数的模型。
30、第三方面，本公开实施例中提供了一种图像检测装置，包括：
31、图像获取模块，被配置为获取待检测图像，并获取待检测图像的先验分布；
32、逆时间扩散模块，被配置为获取预先训练得到的基于分数的模型，并根据基于分数的模型以及时间依赖的扩散系数，模拟从待检测图像的先验分布到真实分布的逆时间扩散过程；
33、梯度散度获取模块，被配置为获取逆时间扩散过程中基于分数的模型的梯度散度、在逆时间扩散过程的结束时间基于分数的模型的结束似然度；
34、似然度获取模块，被配置为根据梯度散度、结束似然度以及时间依赖的扩散系数，获取在逆时间扩散过程中基于分数的模型的目标似然度；
35、图像检测模块，被配置为根据目标似然度确定待检测图像是否为目标图像。
36、第四方面，本公开实施例提供了一种电子设备，包括存储器和处理器，其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如第一方面或第二方面中任一项所述的方法。
37、第四方面，本公开实施例中提供了一种计算机可读存储介质，其上存储有计算机指令，该计算机指令被处理器执行时实现如第一方面或第二方面中所述的方法。
38、根据本公开实施例提供的技术方案，通过获取待检测图像，并获取待检测图像的先验分布；获取预先训练得到的基于分数的模型，并根据基于分数的模型以及时间依赖的扩散系数，模拟从待检测图像的先验分布到真实分布的逆时间扩散过程；获取逆时间扩散过程中基于分数的模型的梯度散度、在逆时间扩散过程的结束时间基于分数的模型的结束似然度；根据梯度散度、结束似然度以及时间依赖的扩散系数，获取在逆时间扩散过程中基于分数的模型的目标似然度；根据目标似然度确定待检测图像是否为目标图像。在本公开提供的技术方案中，通过引入基于分数的模型以及时间依赖的扩散系数，可以使该模型能够更加灵活的适应动态变化的图像数据，从而较为准确反映数据的时空特性，提高本文档来自技高网...
【技术保护点】
1.一种图像检测方法，其特征在于，包括：
2.根据权利要求1所述的图像检测方法，其特征在于，所述获取所述待检测图像的先验分布，包括：
3.根据权利要求2所述的图像检测方法，其特征在于，所述根据所述基于分数的模型以及时间依赖的扩散系数，模拟从所述待检测图像的先验分布到真实分布的逆时间扩散过程，包括：
4.根据权利要求3所述的图像检测方法，其特征在于，所述根据所述基于分数的模型以及时间依赖的扩散系数，计算所述逆时间扩散过程中所述待检测图像随时间的图像数据变化量，包括：
5.根据权利要求4所述的图像检测方法，其特征在于，所述获取所述逆时间扩散过程中所述基于分数的模型的梯度散度，包括：
6.根据权利要求5所述的图像检测方法，其特征在于，所述根据所述梯度散度、所述结束似然度以及所述时间依赖的扩散系数，获取在所述逆时间扩散过程中所述基于分数的模型的目标似然度，包括：
7.根据权利要求1-6中任一项所述的图像检测方法，其特征在于，根据所述目标似然度确定所述待检测图像是否为目标图像，包括：
8.一种模型训练方法，
9.一种图像检测装置，其特征在于，包括：
10.一种电子设备，其特征在于，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现权利要求1-8中任一项所述的方法步骤。
11.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-8中任一项所述的方法步骤。
...【技术特征摘要】
1.一种图像检测方法，其特征在于，包括：
2.根据权利要求1所述的图像检测方法，其特征在于，所述获取所述待检测图像的先验分布，包括：
3.根据权利要求2所述的图像检测方法，其特征在于，所述根据所述基于分数的模型以及时间依赖的扩散系数，模拟从所述待检测图像的先验分布到真实分布的逆时间扩散过程，包括：
4.根据权利要求3所述的图像检测方法，其特征在于，所述根据所述基于分数的模型以及时间依赖的扩散系数，计算所述逆时间扩散过程中所述待检测图像随时间的图像数据变化量，包括：
5.根据权利要求4所述的图像检测方法，其特征在于，所述获取所述逆时间扩散过程中所述基于分数的模型的梯度散度，包括：
6.根据权利要求5所述的图像检测方法，其特征在于，所述根据所述...
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。