【技术实现步骤摘要】
本专利技术涉及计算机视觉，具体提供一种构建二分类异常检测方法及装置。
技术介绍
1、在高压电缆制造领域，产品表面缺陷检测主要依赖人工检测，存在效率低，准确性低，易受主观因素影响等问题。因此需要自动化检测技术来提高检测准确率与效率。随着计算机视觉技术的发展，也出现了一些基于深度学习算法的表面缺陷检测方法。这些方法都需要大量有标注的正常和缺陷的样本数据。
2、然而，在实际生产过程中，缺陷产品的数据样本较为稀少，且造成缺陷的原因复杂多样，形成的缺陷也形态各异，造成算法难以识别未知缺陷，造成漏检和误检。
技术实现思路
1、本专利技术是针对上述现有技术的不足，提供一种实用性强的构建二分类异常检测方法。
2、本专利技术进一步的技术任务是提供一种设计合理，安全适用的构建二分类异常检测装置。
3、本专利技术解决其技术问题所采用的技术方案是：
4、一种构建二分类异常检测方法，首先，构建开放数据集和设计一个二分类双路分支模型架构，所述构建开放数据集时，使用聚类算...
【技术保护点】
1.一种构建二分类异常检测方法，其特征在于，首先，构建开放数据集和设计一个二分类双路分支模型架构，所述构建开放数据集时，使用聚类算法将所有正常样本分成互不相交的偶数组，每个组代表正常图片的一种模式，生成伪异常样本，增加异常样本多样性；
2.根据权利要求1所述的一种构建二分类异常检测方法，其特征在于，所述构建开放数据集时，第一聚类正常样本，使用自监督模型将所有正常图片提取为2048维特征向量，使用聚类算法将特征向量分成互不相交的偶数组，每个组代表正常图片的一种模式；
3.根据权利要求2所述的一种构建二分类异常检测方法，其特征在于，所述二分类双路分...
【技术特征摘要】
1.一种构建二分类异常检测方法，其特征在于，首先，构建开放数据集和设计一个二分类双路分支模型架构，所述构建开放数据集时，使用聚类算法将所有正常样本分成互不相交的偶数组，每个组代表正常图片的一种模式，生成伪异常样本，增加异常样本多样性；
2.根据权利要求1所述的一种构建二分类异常检测方法，其特征在于，所述构建开放数据集时，第一聚类正常样本，使用自监督模型将所有正常图片提取为2048维特征向量，使用聚类算法将特征向量分成互不相交的偶数组，每个组代表正常图片的一种模式；
3.根据权利要求2所述的一种构建二分类异常检测方法，其特征在于，所述二分类双路分支模型架构均由数据增强模块、编码器、多层感知机mlp预测头组成；
4.根据权利...
【专利技术属性】
技术研发人员：卢则兴，段京峰，刘毅，李淑圣，
申请(专利权)人：浪潮软件集团有限公司，
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。