[发明专利]神经网络模型的训练方法、装置及图像检测的方法

说明书

本发明提供了一种用于检测图像异常区域的神经网络模型的训练方法、图像异常区域的检测方法、装置、电子设备及计算机可读存储介质；该方法包括：获取正常图像，并对所述正常图像进行种子区域提取处理，以获得所述正常图像中用于填充异常素材的种子区域；对所述种子区域进行区域形状调整处理，以获得目标种子区域；在所述正常图像中位于所述目标种子区域的范围内，进行异常素材填充处理，以获得异常图像；将所述正常图像作为正样本，将所述异常图像作为负样本，更新用于检测图像异常区域的神经网络模型的参数，并将更新后的参数作为训练后的所述神经网络模型的参数。通过本发明，能够提高检测图像异常区域的准确率。

技术领域

本发明涉及人工智能领域的图像检测技术，尤其涉及一种用于检测图像异常区域的神经网络模型的训练方法、图像异常区域的检测方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统。人工智能现如今得到快速发展，并广泛应用于各种行业。

以检测图像异常区域的应用场景为例，相关技术中，针对图像中局部异常区域检测的方法，设计和实现难度高、运算量大，并且对于异常区域检测的准确率较低，误报率较高。为了提高检测图像异常区域的准确率，可以基于人工智能对神经网络模型进行训练，以获得用于检测图像异常区域的神经网络模型，但在训练过程中需要大量标注好的训练数据。这类训练数据往往难以收集，并且训练完成的神经网络模型的检测图像异常区域的准确率会随着训练数据量的减少急剧下降。

因此，相关技术对于解决检测图像异常区域的准确率低尚无有效的方案。

发明内容

本发明实施例提供一种用于检测图像异常区域的神经网络模型的训练方法、图像异常区域的检测方法、装置、电子设备及计算机可读存储介质，能够提高检测图像异常区域的准确率。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种用于检测图像异常区域的神经网络模型的训练方法，所述方法包括：

获取正常图像，并对所述正常图像进行种子区域提取处理，以获得所述正常图像中用于填充异常素材的种子区域；

对所述种子区域进行区域形状调整处理，以获得目标种子区域；

在所述正常图像中位于所述目标种子区域的范围内，进行异常素材填充处理，以获得异常图像；

将所述正常图像作为正样本，将所述异常图像作为负样本，更新用于检测图像异常区域的神经网络模型的参数，并将更新后的参数作为训练后的所述神经网络模型的参数。

本发明实施例提供一种用于检测图像异常区域的神经网络模型的训练装置，包括：

区域提取模块，用于获取正常图像，并对所述正常图像进行种子区域提取处理，以获得所述正常图像中用于填充异常素材的种子区域；

区域形状调整模块，用于对所述种子区域进行区域形状调整处理，以获得目标种子区域；

异常素材填充模块，用于在所述正常图像中位于所述目标种子区域的范围内，进行异常素材填充处理，以获得异常图像；

训练模块，用于将所述正常图像作为正样本，将所述异常图像作为负样本，更新用于检测图像异常区域的神经网络模型的参数，并将更新后的参数作为训练后的所述神经网络模型的参数。

上述方案中，所述区域提取模块，还用于确定色彩范围，并选取所述正常图像中在所述色彩范围内的多个像素；确定所述正常图像中的多个闭合轮廓，其中，每个所述闭合轮廓包括所述多个像素中的部分像素；确定所述多个闭合轮廓中每个闭合轮廓对应的图像子区域的面积，并根据每个所述图像子区域的面积，选取多个所述图像子区域中的部分图像子区域以作为所述种子区域。