[发明专利]图像中的分层多类曝光缺陷分类

权利要求书

1.一种用于检测图像中的曝光缺陷的计算机方法，所述方法包括：

访问图像；

使用第一神经网络确定所述图像的指示所述图像包括曝光缺陷的分类；

使用第二神经网络并且响应于指示所述图像包括所述曝光缺陷的所述分类来预测指示所述图像的曝光水平的曝光分数；

至少部分地基于所述曝光分数，生成所述图像的曝光缺陷分类，所述曝光缺陷分类包括曝光不足和曝光过度中的一个；以及

向所述图像提供所述曝光缺陷分类的指示。

2.根据权利要求1所述的方法，其中生成所述曝光缺陷分类还基于所述曝光分数落入与多个曝光缺陷分类相关联的多个预定曝光分数阈值中的一个预定曝光分数阈值内。

3.根据权利要求1所述的方法，还包括：

使用所述神经网络并且至少部分地基于所述曝光分数来确定所述图像的另一曝光缺陷分类，所述另一曝光缺陷分类包括严重曝光过度、轻度曝光过度、中度曝光过度、严重曝光不足、轻度曝光不足、和中度曝光不足中的一个；以及

向所述图像提供所述另一曝光缺陷分类的指示。

4.根据权利要求1所述的方法，其中提供所述图像包括引起包括所述图像中所检测到的所述曝光水平的所述指示的所述图像的呈现。

5.根据权利要求1所述的方法，其中确定所述图像包括曝光缺陷包括：

使用所述第一神经网络计算与所述图像相关联的置信度分数，所述置信度分数指示所述图像包括曝光缺陷的概率；

确定所述置信度分数高于预定阈值置信度分数；以及

至少部分地基于所述置信度分数高于所述预定置信度分数，确定所述图像的所述分类。

6.根据权利要求1所述的方法，其中所述第一神经网络使用弱监督学习算法被训练。

7.根据权利要求1所述的方法，还包括：

使用所述第一神经网络确定另一图像是曝光良好的图像；以及

响应于确定所述另一图像是曝光良好的图像，在没有所述曝光缺陷分类的所述指示的情况下提供所述另一图像。

8.根据权利要求7所述的方法，其中所述曝光良好的图像指示所述另一图像不包括曝光缺陷。

9.根据权利要求1所述的方法，其中所述第二神经网络被配置成共同预测所述曝光分数并生成所述曝光缺陷分类。

10.根据权利要求1所述的方法，其中所述第二神经网络使用所述第一神经网络的至少一个网络层被训练。

11.根据权利要求1所述的方法，其中所述第二神经网络和所述第一神经网络在至少一个网络层中不同。

12.一种或多种计算机存储介质，所述计算机存储介质存储计算机可用的指令，所述计算机可用的指令当被一个或多个计算设备使用时使得所述一个或多个计算设备执行操作，所述操作包括：

接收第一组图像，所述第一组图像中的每个图像被标记为曝光良好的图像和缺陷图像中的一个；

使用所述第一组图像训练神经网络；

接收第二组图像，所述第二组图像包括未标记的图像；

确定分布率，所述分布率表示所述曝光良好的图像和所述缺陷图像在所述第一组图像内的分布；

将所述第二组图像应用于所述神经网络，以针对所述第二组图像中每个图像确定推断分数，所述推断分数指示对应图像中的曝光水平；

至少部分地基于所述分布率和所述推断分数，将所述第二组图像中的每个图像分类为曝光良好的图像或缺陷图像；以及

使用所述第二组图像和所述分类来重新训练所述神经网络。