【技术实现步骤摘要】
本专利技术涉及机器学习和人工智能，尤其涉及一种基于自编码器模型的图像异常检测方法、装置及存储介质。
技术介绍
1、基于图像的异常检测，是图像视觉领域的经典问题，被广泛应用于工业领域，比如缺陷检测、安防、医疗、自动驾驶等任务。随着人工智能技术的发展，基于cnn模型的检测识别技术取得了非常大的进步，得到了越来越广泛的应用。众所周知，cnn模型的训练依赖大量的数据。但不同的任务，对数据和标注的要求都不一样，在很多应用领域，图像异常检测的情况并不经常出现，针对该类任务的数据很少，收集异常数据的过程较长，导致异常数据的数据量不足，无法满足cnn图像检测模型的要求；另一方面，一旦切换任务，原先任务的数据就无法使用，需要重新收集和标注，造成浪费和成本提高。
2、因此目前亟需一种可以充分利用不同任务数据进行模型训练的方法，以在有限数据的情况下完成对图像异常检测模型的训练和使用。
技术实现思路
1、本专利技术实施例的目的是提供一种基于自编码器模型的图像异常检测方法、装置及存储介质，以解决图像异常检测模型所需的训练数据少的技术问题。
2、第一方面，本专利技术实施例提供了一种基于自编码器模型的图像异常检测方法，包括：
3、获取预设的自编码器模型，所述自编码器模型包括具有图像分类能力的目标编码器和具有图像去噪能力的目标解码器；
4、通过图像异常检测任务数据对所述自编码器模型进行训练，得到目标自编码器模型；
5、根据所述目标自编码器模型对需要进行异
6、第二方面，本专利技术实施例提供了一种基于自编码器模型的图像异常检测装置，包括：
7、获取模块，用于获取预设的自编码器模型，所述自编码器模型包括具有图像分类能力的目标编码器和具有图像去噪能力的目标解码器；
8、训练模块，用于通过图像异常检测任务数据对所述自编码器模型进行训练，得到目标自编码器模型；
9、检测模块，用于根据所述目标自编码器模型对需要进行异常检测的待检测图像进行检测处理，得到所述待检测图像的异常检测结果。
10、第三方面，本专利技术实施例提供了一种电子设备，电子设备包括处理器、存储器以及存储在存储器中，并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一项的基于自编码器模型的图像异常检测方法中的步骤。
11、第四方面，本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述任一项的基于自编码器模型的图像异常检测方法中的步骤。
12、本专利技术实施例提供了一种基于自编码器模型的图像异常检测方法、装置及存储介质，该方法通过获取预设的自编码器模型，该自编码器模型包括具有图像分类能力的目标编码器和具有图像去噪能力的目标解码器，从而能够采用少量的图像异常检测任务数据，即可完成对自编码器模型的训练，以得到目标自编码器模型，进而能够根据目标自编码器模型对需要进行异常检测的待检测图像进行检测处理，完成对待检测图像的异常检测，提高了训练目标自编码器模型的收敛速度，并提高了采用训练得到的目标自编码器模型对待检测图像进行异常检测的检测效率。
本文档来自技高网...【技术保护点】
1.一种基于自编码器模型的图像异常检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取预设的自编码器模型，包括：
3.如权利要求2所述的方法，其特征在于，所述预设的自编码器模型还包括特征关联网络，所述通过图像异常检测任务数据对所述自编码器模型进行训练，得到目标自编码器模型，包括：
4.如权利要求2所述的方法，其特征在于，所述通过图像分类任务数据对待训练的自编码器模型中的编码器进行训练，得到具有图像分类能力的目标编码器，包括：
5.如权利要求2所述的方法，其特征在于，所述通过图像去噪任务数据对所述待训练的自编码器模型进行训练，得到预设的自编码器模型，包括：
6.如权利要求3所述的方法，其特征在于，所述通过图像异常检测任务数据对所述自编码器模型进行训练，得到目标自编码器模型，包括：
7.如权利要求6所述的方法，其特征在于，所述目标编码器包括VGG网络，和/或，MobileNet网络，和/或，ResNet网络，和/或，EfficientNet网络；
8.一种基于自编码器模型的图
9.一种电子设备，其特征在于，所述电子设备包括处理器、存储器以及存储在所述存储器中，并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于自编码器模型的图像异常检测方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于自编码器模型的图像异常检测方法中的步骤。
...【技术特征摘要】
1.一种基于自编码器模型的图像异常检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取预设的自编码器模型，包括：
3.如权利要求2所述的方法，其特征在于，所述预设的自编码器模型还包括特征关联网络，所述通过图像异常检测任务数据对所述自编码器模型进行训练，得到目标自编码器模型，包括：
4.如权利要求2所述的方法，其特征在于，所述通过图像分类任务数据对待训练的自编码器模型中的编码器进行训练，得到具有图像分类能力的目标编码器，包括：
5.如权利要求2所述的方法，其特征在于，所述通过图像去噪任务数据对所述待训练的自编码器模型进行训练，得到预设的自编码器模型，包括：
6.如权利要求3所述的方法，其特征在于，所述通过图像异常检测任务数据对所述自编码器模型...
【专利技术属性】
技术研发人员：俞大海，李敬源，李嘉豪，
申请(专利权)人：TCL科技集团股份有限公司，
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。