[发明专利]图片检测方法、图片检测模型的训练方法及装置

权利要求书

1.一种图片检测方法，其特征在于，包括：

获取待测图片；

将所述待测图片输入至预先建立的图片检测模型，以通过所述图片检测模型输出所述待测图片对应的重建图片；其中，所述图片检测模型配置有多层次特征空间及分布约束的自编码器网络结构；

计算所述待测图片与所述重建图片的重建误差；

基于所述重建误差对所述图片进行检测。

2.根据权利要求1所述的方法，其特征在于，所述多层次特征空间及分布约束的自编码器网络结构包括多层次自编码器结构以及多层次解码器结构，其中，所述多层次自编码器结构包括多层次特征空间；

将所述待测图片输入至预先建立的图片检测模型，以通过所述图片检测模型输出所述待测图片对应的重建图片的步骤包括：

将所述待测图片输入至所述多层次自编码器结构，通过所述多层次自编码器结构将所述待测图片嵌入到所述多层次特征空间，得到所述待测图片的特征分布；

将所述待测图片的特征分布与所述多层次特征空间中预先配置的先验分布进行特征拟合；

将特征拟合的结果输入至所述多层次解码器结构进行图片重组，以生成所述待测图片对应的重建图片。

3.根据权利要求2所述的方法，其特征在于，所述多层次自编码器结构为基于卷积神经网络的编码器结构，且，所述多层次自编码器结构包括至少一个卷积结构，所述卷积结构包括预设卷积层和激活层，且，所述卷积层设置有预设的卷积核和步长；

将所述待测图片输入至所述多层次自编码器结构，通过所述多层次自编码器结构将所述待测图片嵌入到所述多层次特征空间，得到所述待测图片的特征分布的步骤包括：

将所述待测图片输入至所述多层次自编码器结构，通过至少一个所述卷积结构得到所述待测图片的层次特征信息；

将所述层次特征信息嵌入至所述多层次特征空间，以得到所述待测图片的特征分布，其中，所述特征分布包括所述待测图片的低阶表示和所述待测图片的高阶表示。

4.根据权利要求3所述的方法，其特征在于，所述多层次特征空间还包括高阶特征判别器和低阶特征判别器；

将所述待测图片的特征分布与所述多层次特征空间中预先配置的先验分布进行特征拟合的步骤包括：

将所述待测图片的特征分布中所包括的低阶表示输入至所述低阶特征判别器，以及，将所述待测图片的特征分布中所包括的高阶表示输入至所述高阶特征判别器；

通过所述高阶特征判别器、所述低阶特征判别器和所述多层次特征空间中预先配置的先验分布对所述待测图片的特征分布进行拟合。

5.根据权利要求1所述的方法，其特征在于，计算所述待测图片与所述重建图片的重建误差的步骤包括：

分别计算所述待测图片和所述重建图片的第一范数距离，以及，所述待测图片和所述重建图片在所述多层次特征空间的第二范数距离；

基于所述第一范数距离和所述第二范数距离计算所述待测图片与所述重建图片的重建误差。

6.根据权利要求5所述的方法，其特征在于，所述第一范数距离和所述第二范数距离均为L2范数举例；

所述重建误差表示为：

其中，E_i(·)表示由所述自编码器网络结构中的多层次自编码器结构的第i层的特征图所求得的特征表示，α和β表示权重超参数。

7.根据权利要求1所述的方法，其特征在于，基于所述重建误差对所述图片进行检测的步骤包括：

判断所述重建误差是否小于预先设置的误差阈值；

如果是，确定所述待测图片为正常图片；

如果否，确定所述待测图片为异常图片。