[发明专利]基于深度的图像比较装置、方法及计算机可读介质

权利要求书

1.一种图像比较方法，在计算装置的一个以上的处理器中执行，其特征在于，包括：

上述处理器利用预先学习的网络函数的第一子网络在第一图像数据中提取特征及利用上述网络函数的第二子网络在第二图像数据中提取特征的步骤；

上述处理器分别对在上述第一子网络及上述第二子网络的各个层中提取的特征进行比较来生成各个层的层比较信息的步骤；

上述处理器以上述层比较信息为基础来确定上述第二图像数据的异常有关信息的步骤；以及

上述处理器利用上述网络函数来输出所确定的异常有关信息的步骤。

2.根据权利要求1所述的图像比较方法，其特征在于，上述网络函数还包括与上述第一子网络及上述第二子网络中的至少一个串联的比较模型。

3.根据权利要求2所述的图像比较方法，其特征在于，上述第一子网络、上述第二子网络及上述比较模型中的至少一个包括深度神经网络结构。

4.根据权利要求3所述的图像比较方法，其特征在于，上述第一子网络及上述第二子网络中的至少一个包括上述深度神经网络结构中的卷积神经网络结构。

5.根据权利要求3所述的图像比较方法，其特征在于，上述比较模型包括上述深度神经网络结构中的反卷积神经网络结构。

6.根据权利要求3所述的图像比较方法，其特征在于，上述比较模型构成上述第一子网络及上述第二子网络中的至少一个子网络和U网络结构的至少一部分。

7.根据权利要求2所述的图像比较方法，其特征在于，上述第一子网络及上述第二子网络共享至少一个具有相同加权值的链接。

8.根据权利要求7所述的图像比较方法，其特征在于，上述第一子网络及上述第二子网络构成孪生网络的至少一部分。

9.根据权利要求2所述的图像比较方法，其特征在于，上述处理器运算上述异常有关信息的步骤包括上述处理器向上述比较模型的对应的层提供所生成的上述层比较信息的步骤。

10.根据权利要求9所述的图像比较方法，其特征在于，上述对应的层以上述第一子网络的层或上述第二子网络的层的位置为基础来确定，上述第一子网络的层或上述第二子网络的层的位置为生成上述层比较信息的基础。

11.根据权利要求1所述的图像比较方法，其特征在于，

上述第一图像数据为仅包含不具有异常数据的正常状态图像数据的主图像，

上述第二图像数据为从属图像。

12.根据权利要求11所述的图像比较方法，其特征在于，上述异常有关信息包含上述第二图像数据中存在异常的像素的位置信息有关数据。

13.根据权利要求1所述的图像比较方法，其特征在于，上述第一图像数据及第二图像数据具有相同大小。

14.一种计算装置，其特征在于，

包括：

一个以上的处理器；以及

存储器，用于存储能够在上述一个以上的处理器执行的指令，

上述一个以上的处理器利用预先学习的网络函数的第一子网络在第一图像数据中提取特征及利用上述网络函数的第二子网络在第二图像数据中提取特征，

上述处理器分别对在上述第一子网络及上述第二子网络的各个层中提取的特征进行比较来生成各个层的层比较信息；

以上述层比较信息为基础来确定上述第二图像数据的异常有关信息，

利用上述网络函数来输出所确定的异常有关信息。

15.一种存储有计算机程序的计算机可读存储介质，包含编码而成的指令，其特征在于，

在通过计算机系统的一个以上的处理器执行上述计算机程序的情况下，使上述一个以上的处理器执行用于图像比较的动作，

上述动作包括：

上述处理器利用预先学习的网络函数的第一子网络在第一图像数据中提取特征及利用上述网络函数的第二子网络在第二图像数据中提取特征的动作；

上述处理器分别对在上述第一子网络及上述第二子网络的各个层中提取的特征进行比较来生成各个层的层比较信息的动作；

上述处理器以上述层比较信息为基础来确定上述第二图像数据的异常有关信息的动作；以及

上述处理器利用上述网络函数来输出所确定的异常有关信息的动作。