【技术实现步骤摘要】
本申请涉及图像处理，特别是涉及一种缺陷图像生成方法、装置、计算机设备及计算机可读存储介质。
技术介绍
1、随着人工智能技术的发展，采用视觉非接触式的自动化工业检测，以替代繁琐的人工检测，而针对自动化工业检测所对应的深度神经网络算法，通常需要大量的缺陷图像进行训练。
2、为解决训练所需的缺陷图像难以收集的问题，一方面，采用现有的对抗生成网络生成缺陷图像，然而该方法易于出现模式坍塌、生成质量低等问题；另一方面，采用现有的扩散模型生成缺陷图像，然而扩散模型的生成过程过于简化，缺乏对应的引导条件，无法有效地捕捉缺陷的复杂性和多样性，从而难以精准地控制所需生成缺陷的缺陷类型和缺陷区域，再者，扩散模型通常是针对一个特定的缺陷进行训练的，从而无法同时生成多类缺陷。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种缺陷图像生成方法、装置、计算机设备、计算机可读存储介质及计算机程序产品，能够实现高效地、准确地生成在指定区域携带有指定类别的缺陷的缺陷图像。
2、第一方面，本申...
【技术保护点】
1.一种缺陷图像生成方法，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，所述基于所述原始图像、所述待生成缺陷信息和已训练的缺陷图像生成模型，确定所述原始图像对应的生成缺陷图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述目标文本条件编码、所述目标语义条件编码、所述目标特征图输入至已训练的缺陷图像生成模型之前，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述缺陷区域信息，确定所述原始图像对应的缺陷区域图、背景区域图和二值掩膜图，包括：
5.根据权利要求1或2所述的方法...
【技术特征摘要】
1.一种缺陷图像生成方法，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，所述基于所述原始图像、所述待生成缺陷信息和已训练的缺陷图像生成模型，确定所述原始图像对应的生成缺陷图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述将所述目标文本条件编码、所述目标语义条件编码、所述目标特征图输入至已训练的缺陷图像生成模型之前，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述基于所述缺陷区域信息，确定所述原始图像对应的缺陷区域图、背景区域图和二值掩膜图，包括：
5.根据权利要求1或2所述的方法，其特征在于，所述基于所述原始图像和所述生成缺陷图像，确定目标缺陷图像，包括...
【专利技术属性】
技术研发人员：巫文良，陈鹏光，倪铭昊，王朝云，姚恒志，刘枢，吕江波，沈小勇，
申请(专利权)人：深圳思谋信息科技有限公司，
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。