【技术实现步骤摘要】
本申请涉及产品检测领域，涉及但不限于一种异常检测方法及电子设备。
技术介绍
1、产品表面异常检测是工业生产中一个不可或缺的环节，在保障产品质量和发现潜在安全隐患上发挥了重要的作用。在工业场景中，通常正常样本丰富且易获取，而异常样本稀缺且获取成本高，因此仅使用正常样本训练的无监督学习方法被广泛使用。近年来，涌现出大量有效的无监督方法用于解决基于rgb(red、green、blue，红绿蓝)图像的二维异常检测问题，然而，实际中常见的空间结构异常通过点云信息更容易被发现。同时结合rgb图像和点云的三维异常检测方法逐渐受到更多关注。
2、相关技术中，三维异常检测方法通常在采集一定量的正常样本后一次性地训练异常检测模型，工业生产线上的样本随着时间在不断地产生，现有方法的一次性训练方式无法利用新样本继续提升模型性能。这样，导致异常检测的准确度较低。
技术实现思路
1、本申请实施例提供一种异常检测方法及电子设备，能够提高对待检测图像进行异常检测的准确性。
2、第一方面，本申请实施...
【技术保护点】
1.一种异常检测方法，所述方法包括：
2.根据权利要求1所述的方法，所述通过当前模板库，确定所述目标像素点的多模态特征信息对应的目标参考特征信息，包括：
3.根据权利要求2所述的方法，所述通过所述当前模板库，对所述多模态特征信息进行模板邻域匹配，得到与所述多模态特征信息满足关联条件的所述目标参考特征信息，包括：
4.根据权利要求3所述的方法，所述根据所述K个邻近参考特征信息，确定所述多模态特征信息对应的所述目标参考特征信息，包括：
5.根据权利要求1至4任一项所述的方法，所述方法还包括：
6.根据权利要求5所...
【技术特征摘要】
1.一种异常检测方法，所述方法包括：
2.根据权利要求1所述的方法，所述通过当前模板库，确定所述目标像素点的多模态特征信息对应的目标参考特征信息，包括：
3.根据权利要求2所述的方法，所述通过所述当前模板库，对所述多模态特征信息进行模板邻域匹配，得到与所述多模态特征信息满足关联条件的所述目标参考特征信息，包括：
4.根据权利要求3所述的方法，所述根据所述k个邻近参考特征信息，确定所述多模态特征信息对应的所述目标参考特征信息，包括：
5.根据权利要求1至4任一项所述的方法，所述方法还包括：
6.根据权利要求5所述的方法，所述在所述当前模板库为首次构建的情况下，对所述当...
【专利技术属性】
技术研发人员：黄必清，王嘉桪，汪祥，刘景贤，伍锐斌，
申请(专利权)人：联想北京有限公司，
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。