【技术实现步骤摘要】
本公开涉及人工智能领域，并且更具体地，涉及一种样本处理方法、装置、计算设备和计算机可读存储介质。
技术介绍
1、在诸如制造、医疗检验等领域，存在大量需要检测的任务。例如，在制造领域中，存在零件缺陷检测任务；在医疗检验领域中，存在病症检测任务等。然而，随着人力成本的提高和检测需求的扩大，质检人员或专业医生等有限人力难以承受连续且高强度的异常检测任务。因此，使用人工智能模型代替人力完成异常检测任务成为研究热点。
2、然而，训练用于异常检测任务的诸如深度神经网络的人工智能模型需要数百万量级的相关图像以及对应的标注数据。因此，在样本量稀缺、检测场景丰富的制造、医疗等领域应用难以训练出满足需求的人工智能模型以实现异常检测任务。此外，目前，标注数据基本上是由人工来完成，这也会耗费巨额劳动力和经济成本。
技术实现思路
1、本公开的示例实施例提供了一种样本处理方法，该方法能够基于正样本图像和异常标注掩码图，生成伪造的负样本图像，从而能够自动生成大量伪造的负样本图像，为样本量稀缺场景下的任务检测...
【技术保护点】
1.一种样本处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，所述异常检测系统用于对待检测图像中的异常进行检测并标注。
4.根据权利要求3所述的方法，其特征在于，对所述待检测图像中的异常进行检测并标注包括：
5.根据权利要求4所述的方法，其特征在于，所述伪造的负样本图像由负样本生成器生成，并且，所述负样本生成器和所述正样本生成器均基于正样本训练图像、负样本训练图像以及异常标注掩码训练图训练得到。
6.根据权利要求5所述的方法，其特征在于...
【技术特征摘要】
1.一种样本处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，所述异常检测系统用于对待检测图像中的异常进行检测并标注。
4.根据权利要求3所述的方法，其特征在于，对所述待检测图像中的异常进行检测并标注包括：
5.根据权利要求4所述的方法，其特征在于，所述伪造的负样本图像由负样本生成器生成，并且，所述负样本生成器和所述正样本生成器均基于正样本训练图像、负样本训练图像以及异常标注掩码训练图训练得到。
6.根据权利要求5所述的方法，其特征在于，所述负样本生成器和所述正样本生成器通过以下方式训练得到：
7.根据权利要求6所述的方法，其特征在于，确定对抗损失函数包括：
8.根据权利要求7所述的方法，其特征在于，训练所述负样本生成器和所述正样本生成器，包括：
9.根据权利要求1所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：罗文涛，王耀园，张子阳，李佳维，游凯超，楼燚航，张靖义，余晨，
申请(专利权)人：华为技术有限公司，
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。