【技术实现步骤摘要】
本申请涉及人工智能，特别涉及一种异常检测模型的训练方法、物体异常检测方法和装置。
技术介绍
1、工业异常检测在实际生产中具有重要的地位。在对工业生产的物品进行异常检测时，一般是先建立正常物品的分布特征，然后通过判断待检测物品的特征与该分布特征之间的相似度，判断物品是否正常。而建立正常物品的分布特征之前，需要收集大量的正常物品，也即需要将大量物品中的异常物品检测出来后剔除。
2、相关技术中，是通过聚类的方法来检测异常物品。该方法的基本假设是异常物品在实际生产中的占比较低，因此，该方法基于相似度将物品聚集成簇，由于异常物品的占比较低，因此在聚类完成后，表现为孤立的规模较小的簇，就有极大可能为异常物品，进而将这些异常物品剔除即可。然而，实际生产中异常物品所占的比例可能并不低，这就导致聚类之后某些异常物品聚集成一个较大的簇，造成与正常物品的混淆，使得该检测方法并不准确。
技术实现思路
1、本申请实施例提供了一种异常检测模型的训练方法、物体异常检测方法和装置，基于该方法训练得到的异常检测模型来进行异常检测，能够提高异常检测的准确性。所述技术方案如下。
2、一方面，提供了一种异常检测模型的训练方法，所述方法包括：
3、基于多个第一样本图像，获取多组样本对，所述多个第一样本图像均包括目标物体，每组样本对包括一个样本图块和样本文本，所述样本图块包括所述目标物体的局部，所述样本文本用于描述所述样本图块中所述局部的异常情况；
4、对于每组样本对，通过异常
5、基于所述多组样本对各自的相似度和预设相似度，迭代训练所述异常检测模型。
6、另一方面，提供了一种物体异常检测方法，所述方法包括：
7、获取图像的多个图块，所述图像包括目标物体，每个图块包括所述目标物体的局部；
8、对于每个图块，通过异常检测模型，确定所述图块对应的目标文本，所述异常检测模型通过上述训练方法得到，所述目标文本用于描述所述图块中所述目标物体的局部的异常情况；
9、基于所述多个图块分别对应的目标文本，确定所述图像中目标物体的异常信息，所述异常信息用于描述所述目标物体的异常情况。
10、另一方面，提供了一种异常检测模型的训练装置，所述装置包括：
11、获取模块，用于基于多个第一样本图像，获取多组样本对，所述多个第一样本图像均包括目标物体，每组样本对包括一个样本图块和样本文本，所述样本图块包括所述目标物体的局部，所述样本文本用于描述所述样本图块中所述局部的异常情况；
12、提取模块，用于对于每组样本对，通过异常检测模型，对所述样本对中的样本图块和样本文本分别进行特征提取，得到所述样本图块的图像特征和所述样本文本的文本特征，确定所述图像特征与所述文本特征之间的相似度，所述异常检测模型用于对所输入图块中所述目标物体的局部进行异常检测；
13、训练模块，用于基于所述多组样本对各自的相似度和预设相似度，迭代训练所述异常检测模型。
14、在一些实施例中，所述获取模块，用于：
15、对于每个第一样本图像，基于多个尺寸的滑动窗口分别对所述第一样本图像进行分割，得到所述多个尺寸各自的图块集，每个尺寸的图块集包括的多个样本图块均为所述尺寸；
16、基于所述多个第一样本图像各自的图块集中的样本图块和每个样本图块对应的样本文本，得到所述多组样本对。
17、在一些实施例中，每个样本图块对应多个样本文本，所述多个样本文本分别以不同的文本描述所述样本图块中局部的异常情况；所述提取模块，用于：
18、通过所述异常检测模型，对所述样本对中的多个样本文本分别进行特征提取，得到所述多个样本文本分别对应的初始文本特征，确定多个初始文本特征的均值，得到所述文本特征。
19、在一些实施例中，所述装置还包括：
20、填充模块，用于对于每个样本图块，基于所述样本图块中的局部和所述局部的异常信息，填充多个文本模板，得到所述多个样本文本，所述异常信息用于描述所述局部的异常情况，所述多个文本模板不同。
21、在一些实施例中，所述获取模块，还用于获取多个第二样本图像，所述多个第二样本图像均包括所述目标物体；
22、所述装置还包括分割模块，用于对于每个第二样本图像，从所述第二样本图像中分割出所述目标物体，得到所述第一样本图像。
23、在一些实施例中，所述获取模块，还用于获取多个第三样本图像，所述多个第三样本图像均包括所述目标物体；
24、所述装置还包括校准模块，用于对于每个第三样本图像，基于模板图像中所述目标物体的位置对所述第三样本图像中所述目标物体的位置进行校准，得到所述第一样本图像，所述第一样本图像中所述目标物体的位置与所述模板图像中所述目标物体的位置匹配。
25、另一方面，提供了一种物体异常检测装置，所述装置包括：
26、获取模块，用于获取图像的多个图块，所述图像包括目标物体，每个图块包括所述目标物体的局部；
27、确定模块，用于对于每个图块，通过异常检测模型，确定所述图块对应的目标文本，所述异常检测模型通过上述训练方法得到，所述目标文本用于描述所述图块中所述目标物体的局部的异常情况；
28、所述确定模块，还用于基于所述多个图块分别对应的目标文本，确定所述图像中目标物体的异常信息，所述异常信息用于描述所述目标物体的异常情况。
29、在一些实施例中，所述确定模块，用于：
30、在所述多个图块中至少一个图块对应的目标文本指示所述目标物体的局部存在异常的情况下，确定所述图像中的目标物体存在异常以及确定所述目标物体存在异常的局部；
31、在所述多个图块中每个图块对应的目标文本均指示所述目标物体的局部不存在异常的情况下，确定所述图像中的目标物体不存在异常。
32、在一些实施例中，所述确定模块，用于：
33、对于每个图块，通过所述异常检测模型，提取所述图块的图像特征，确定所述图像特征分别与多个预设文本特征之间的相似度，从所述多个预设文本特征中确定相似度满足预设要求的目标文本特征，所述多个预设文本特征分别对应有预设文本，所述目标文本为所述目标文本特征所对应的预设文本。
34、在一些实施例中，所述获取模块，用于：
35、基于多个尺寸的滑动窗口分别对所述图像进行分割，得到所述多个尺寸各自的图块集，每个尺寸的图块集包括的多个图块均为所述尺寸。
36、在一些实施例中，每个图块包括多个像素点，所述确定模块，用于：
37、对于每个尺寸的每个图块，在所述图块对应的目标文本指示所述图块中所述本文档来自技高网...
【技术保护点】
1.一种异常检测模型的训练方法，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，所述基于多个第一样本图像，获取多组样本对，包括：
3.根据权利要求1所述的方法，其特征在于，每个样本图块对应多个样本文本，所述多个样本文本分别以不同的文本描述所述样本图块中局部的异常情况；
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.一种物体异常检测方法，其特征在于，所述方法包括：
8.根据权利要求7所述的检测方法，其特征在于，所述基于所述多个图块分别对应的目标文本，确定所述图像中目标物体的异常信息，包括：
9.根据权利要求7所述的检测方法，其特征在于，所述对于每个图块，通过异常检测模型，确定所述图块对应的目标文本，包括：
10.根据权利要求9所述的检测方法，其特征在于，所述获取图像的多个图块，包括：
11.根据权利要求10
12.根据权利要求7所述的检测方法，其特征在于，所述图像为多个，所述方法还包括：
13.根据权利要求7所述的检测方法，其特征在于，所述图像为多个，所述方法还包括：
14.一种异常检测模型的训练装置，其特征在于，所述装置包括：
15.一种物体异常检测装置，其特征在于，所述装置包括：
16.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器用于存储至少一段程序，所述至少一段程序由所述处理器加载并执行权利要求1至6任一项所述的异常检测模型的训练方法或权利要求7-13任一项所述的物体异常检测方法。
17.一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用于存储至少一段程序，所述至少一段程序用于执行权利要求1至6任一项所述的异常检测模型的训练方法或权利要求7-13任一项所述的物体异常检测方法。
18.一种计算机程序产品，其特征在于，所述计算机程序产品包括至少一段程序，所述至少一段程序存储在计算机可读存储介质中，计算机设备的处理器从所述计算机可读存储介质读取所述至少一段程序，所述处理器执行所述至少一段程序，使得所述计算机设备执行权利要求1至6任一项所述的异常检测模型的训练方法或权利要求7-13任一项所述的物体异常检测方法。
...【技术特征摘要】
1.一种异常检测模型的训练方法，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，所述基于多个第一样本图像，获取多组样本对，包括：
3.根据权利要求1所述的方法，其特征在于，每个样本图块对应多个样本文本，所述多个样本文本分别以不同的文本描述所述样本图块中局部的异常情况；
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.一种物体异常检测方法，其特征在于，所述方法包括：
8.根据权利要求7所述的检测方法，其特征在于，所述基于所述多个图块分别对应的目标文本，确定所述图像中目标物体的异常信息，包括：
9.根据权利要求7所述的检测方法，其特征在于，所述对于每个图块，通过异常检测模型，确定所述图块对应的目标文本，包括：
10.根据权利要求9所述的检测方法，其特征在于，所述获取图像的多个图块，包括：
11.根据权利要求10所述的检测方法，其特征在于，每个图块包括多个像素点，所述基于所述多个图块分别对应的目标文本，确定所述图像中目标物体的异常信息，包括：
<...【专利技术属性】
技术研发人员：汪铖杰，吴运声，马利庄，樊珂，甘振业，张江宁，高斌斌，彭瑾龙，刘永，吴永坚，黄小明，
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。