基于自注意力的缺陷图像生成方法、装置、设备及介质制造方法及图纸

本申请公开了一种基于自注意力的缺陷图像生成方法、装置、设备及介质，涉及图像生成技术领域，包括：将噪点数据输入至生成对抗网络中的生成器；利用生成器中的第一预设数量个上采样层和第二预设数量个自注意力层对噪点数据进行处理，以生成初始缺陷图像；将初始缺陷图像输入至生成对抗网络中的判别器，并根据判别器的判别结果更新生成器的权重参数，以利用更新后生成器生成最终缺陷图像。本方案在生成器中引入自注意力层机制，既能保留卷积层注重局部细节的优点，又能通过自注意力机制捕获图像长距离的依赖关系，使模型能够同时关注到局部和全局性的特征，从而使模型生成图像时考虑地更加全面，有助于得到更加符合特定场景的缺陷图像。

【技术实现步骤摘要】

本专利技术涉及图像生成，特别涉及一种基于自注意力的缺陷图像生成方法、装置、设备及介质。

技术介绍

1、工业缺陷图像生成技术是通过计算机生成模拟图像，模拟产品在生产过程中可能出现的各种缺陷和误差。缺陷图像包括产品的划痕、凹凸、污渍、变形等各种形态，可以模拟各种生产环境下的产品缺陷。通过对这些缺陷图像进行检测和分析，可以及时发现产品生产中的问题并进行调整，从而提高产品质量和生产效率。

2、常用的工业缺陷图像生成方法有以下几种：1、基于图像处理的方法：通过图像处理技术，对正常图像进行操作和处理，从而生成缺陷图像。例如，可以使用图像增强、滤波、边缘检测等技术，增加或减少图像的某些特征，以达到生成缺陷图像的目的；2、基于机器学习的方法：通过训练大量的正常图像和缺陷图像，让计算机学习到正常图像和缺陷图像的特征，然后根据这些特征生成缺陷图像。这种方法需要大量的训练数据和计算资源，但可以生成更加逼真和多样化的缺陷图像；3、基于生成对抗网络的方法：使用生成对抗网络(generative adversarial networks，gan)来模拟缺陷的生成过程。ga本文档来自技高网...

【技术保护点】

1.一种基于自注意力的缺陷图像生成方法，其特征在于，包括：

2.根据权利要求1所述的基于自注意力的缺陷图像生成方法，其特征在于，所述生成器中的上采样层和所述自注意力层交叉连接，所述生成器还包括输入层和输出层，所述输入层的下一层网络结构为上采样层，所述输出层的上一层网络结构为上采样层。

3.根据权利要求2所述的基于自注意力的缺陷图像生成方法，其特征在于，所述自注意力层的计算流程为：

4.根据权利要求3所述的基于自注意力的缺陷图像生成方法，其特征在于，所述对所述输入特征图进行分块处理以得到若干数量个第一目标块，包括：

5.根据权利要求3所述的基...

【技术特征摘要】

1.一种基于自注意力的缺陷图像生成方法，其特征在于，包括：

2.根据权利要求1所述的基于自注意力的缺陷图像生成方法，其特征在于，所述生成器中的上采样层和所述自注意力层交叉连接，所述生成器还包括输入层和输出层，所述输入层的下一层网络结构为上采样层，所述输出层的上一层网络结构为上采样层。

3.根据权利要求2所述的基于自注意力的缺陷图像生成方法，其特征在于，所述自注意力层的计算流程为：

4.根据权利要求3所述的基于自注意力的缺陷图像生成方法，其特征在于，所述对所述输入特征图进行分块处理以得到若干数量个第一目标块，包括：

5.根据权利要求3所述的基于自注意力的缺陷图像生成方法，其特征在于，所述将每一所述第一目标块和对应的所述第二目...

【专利技术属性】
技术研发人员：邹磊，韩雪超，卢天华，倪军，
申请(专利权)人：杭州安脉盛智能技术有限公司，
类型：发明
国别省市：