System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能,特别涉及一种图像处理方法、装置、设备、存储介质及计算机程序产品。
技术介绍
1、图像异常检测是指检测图像中是否存在异常或缺陷的像素的技术。图像异常检测可以通过人工智能来实现。
2、在相关技术中,图像异常检测可以通过人工智能来实现,具体比如,预先通过正常图像,使用无监督学习的方式训练机器学习模型,期望该机器学习模型在异常图像上具有较大的重构误差,从而实现检测异常。
3、然而,在上述相关技术中,基于无监督学习的机器学习模型对图像异常检测的准确性不高。
技术实现思路
1、本申请实施例提供了一种图像处理方法、装置、设备、存储介质及计算机程序产品,能够提高图像的异常检测的准确度。所述技术方案如下:
2、一方面,提供了一种图像处理方法,所述方法包括:
3、对目标图像进行特征提取,获得所述目标图像的图像提取特征;
4、对所述图像提取特征进行编码和解码处理,获得图像重建特征;
5、将所述图像重建特征与所述图像提取特征之间的差值输入判别器,获得所述判别器输出的第一识别信息,所述第一识别信息中包含与所述目标图像中的各个像素分别对应的第一信息元素,所述第一信息元素用于指示对应的像素存在异常的概率;所述判别器是基于合成图像样本进行训练得到的机器学习模型,所述合成图像样本是基于不存在异常的图像合成的有异常的图像;
6、基于所述图像提取特征、所述图像重建特征以及所述第一识别信息,获取对所述目标图像进行异常识
7、一方面,提供了一种图像处理方法,所述方法包括:
8、基于第一图像样本,获取第一掩膜信息、第二掩膜信息以及第二图像样本;所述第一掩膜信息用于指示所述第一图像样本中不存在异常的像素,所述第二掩膜信息用于指示图像样本中存在异常的像素,所述第二图像样本是基于所述第一图像样本和所述第二掩膜信息合成的图像;
9、将所述第一图像样本输入图像异常检测模型中的特征提取器,获得所述特征提取器输出的第一图像提取特征样本;
10、将所述第一图像提取特征样本输入所述图像异常检测模型中的编解码器,获得所述编解码器输出的第一图像重建特征样本;
11、将所述第一图像重建特征样本与所述第一图像提取特征样本之间的差值输入所述图像异常检测模型中的判别器,获得所述判别器输出第一识别信息样本;
12、将所述第二图像样本输入所述特征提取器,获得所述特征提取器输出的第二图像提取特征样本;
13、将所述第二图像提取特征样本输入所述编解码器,获得所述编解码器输出的第二图像重建特征样本;
14、将所述第二图像重建特征样本与所述第二图像提取特征样本之间的差值输入所述判别器,获得所述判别器输出第二识别信息样本;
15、基于所述第一图像提取特征样本、所述第一图像重建特征样本、所述第一识别信息样本、所述第二图像提取特征样本、所述第二图像重建特征样本、以及所述第二识别信息样本获取损失函数值;
16、通过所述损失函数值,对所述图像异常检测模型的参数进行更新;
17、其中,所述图像异常检测模型,用于对目标图像进行特征提取,获得所述目标图像的图像提取特征,对所述图像提取特征进行编码和解码处理,获得图像重建特征,基于所述图像重建特征与所述图像提取特征之间的差值进行判别处理,获得第一识别信息,所述第一识别信息中包含与所述目标图像中的各个像素分别对应的第一信息元素,所述第一信息元素用于指示对应的像素存在异常的概率;所述图像提取特征、所述图像重建特征以及所述第一识别信息用于获取对所述目标图像进行异常识别的识别结果。
18、另一方面,提供了一种图像处理装置,所述装置包括:
19、特征提取模块,用于对目标图像进行特征提取,获得所述目标图像的图像提取特征;
20、编解码模块,用于对所述图像提取特征进行编码和解码处理,获得图像重建特征;
21、重构模块,用于将所述图像重建特征与所述图像提取特征之间的差值输入判别器,获得所述判别器输出的第一识别信息,所述第一识别信息中包含与所述目标图像中的各个像素分别对应的第一信息元素,所述第一信息元素用于指示对应的像素存在异常的概率;所述判别器是基于合成图像样本进行训练得到的机器学习模型,所述合成图像样本是基于不存在异常的图像合成的有异常的图像;
22、识别模块,用于基于所述图像提取特征、所述图像重建特征以及所述第一识别信息,获取对所述目标图像进行异常识别的识别结果。
23、在一种可能的实现方式中,所述识别模块,用于:
24、基于所述图像提取特征和所述图像重建特征之间的差值,获取第二识别信息;所述第二识别信息中包含与所述目标图像中的各个像素分别对应的第二信息元素,所述第二信息元素用于指示对应的像素存在异常的概率;
25、基于所述第一识别信息以及所述第二识别信息,获取所述识别结果中的分割信息;所述分割信息中包含与所述目标图像中的各个像素分别对应的第三信息元素,所述第三信息元素用于指示对应的像素存在异常的概率。
26、在一种可能的实现方式中,所述图像提取特征和所述图像重建特征之间的差值的维度小于所述目标图像的像素的数量;所述识别模块,用于对所述图像提取特征和所述图像重建特征之间的差值取l2范数,并对所述l2范数进行上采样获得所述第二识别信息。
27、在一种可能的实现方式中,所述识别模块,用于对所述第一识别信息以及所述第二识别信息进行加权求和或者加权平均,获得所述分割信息。
28、在一种可能的实现方式中,所述识别模块,还用于基于所述分割信息,获取所述识别结果中的图像分类结果,所述图像分类结果用于指示所述目标图像属于异常图像的概率。
29、在一种可能的实现方式中,所述识别模块,用于对所述分割信息中各个第三信息元素取最大值或者标准差,获得所述图像分类结果。
30、在一种可能的实现方式中,所述特征提取模块,用于将所述目标图像输入图像异常检测模型中的特征提取器,获得所述特征提取器输出的所述图像提取特征;
31、所述编解码模块,用于将所述图像提取特征输入所述图像异常检测模型中的编解码器,获得所述编解码器输出的所述图像重建特征,所述图像重建特征的尺寸与所述图像提取特征的尺寸相同;
32、所述重构模块,用于将所述图像重建特征与所述图像提取特征之间的差值输入所述图像异常检测模型中的所述判别器,获得所述判别器输出的所述第一识别信息;
33、其中,所述图像异常检测模型是基于第一图像样本进行无监督训练得到的机器学习模型;所述第一图像样本是不存在异常的图像。
34、在一种可能的实现方式中,所述装置还包括:
35、样本处理模块,用于在特征提取模块对目标图像进行特征提取,获得所述目标图像的图像提取特征之前,基于所述第一图像样本,获取第一掩膜信息、第二掩膜本文档来自技高网...
【技术保护点】
1.一种图像处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述图像提取特征、所述图像重建特征以及所述第一识别信息,获取对所述目标图像进行异常识别的识别结果,包括:
3.根据权利要求2所述的方法,其特征在于,所述图像提取特征和所述图像重建特征之间的差值的维度小于所述目标图像的像素的数量;
4.根据权利要求2所述的方法,其特征在于,所述基于所述第一识别信息以及所述第二识别信息,获取所述识别结果中的分割信息,包括:
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述分割信息,获取所述识别结果中的图像分类结果,包括:
7.根据权利要求1至6任一所述的方法,其特征在于,
8.根据权利要求7所述的方法,其特征在于,所述对目标图像进行特征提取,获得所述目标图像的图像提取特征之前,还包括:
9.根据权利要求8所述的方法,其特征在于,所述基于所述第一图像提取特征样本、所述第一图像重建特征样本、所述第
10.一种图像处理方法,其特征在于,所述方法包括:
11.一种图像处理装置,其特征在于,所述装置包括:
12.一种图像处理装置,其特征在于,所述装置包括:
13.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储至少一段程序,所述至少一段程序由所述处理器加载并执行以实现如权利要求1至10任一所述的图像处理方法。
14.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一段程序,所述至少一段程序由处理器加载并执行以实现如权利要求1至10任一所述的图像处理方法。
15.一种计算机程序产品,其特征在于,包括计算机指令,所述计算机指令被处理器执行时实现如权利要求1至10任一所述的图像处理方法。
...【技术特征摘要】
1.一种图像处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述基于所述图像提取特征、所述图像重建特征以及所述第一识别信息,获取对所述目标图像进行异常识别的识别结果,包括:
3.根据权利要求2所述的方法,其特征在于,所述图像提取特征和所述图像重建特征之间的差值的维度小于所述目标图像的像素的数量;
4.根据权利要求2所述的方法,其特征在于,所述基于所述第一识别信息以及所述第二识别信息,获取所述识别结果中的分割信息,包括:
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述分割信息,获取所述识别结果中的图像分类结果,包括:
7.根据权利要求1至6任一所述的方法,其特征在于,
8.根据权利要求7所述的方法,其特征在于,所述对目标图像进行特征提取,获得所述目标图像的图像提取特征之前,还包括:
9.根据权利要求8所...
【专利技术属性】
技术研发人员:高斌斌,
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。