[发明专利]异常检测方法、装置及计算机存储介质

说明书

本申请实施例公开了一种异常检测方法、装置及计算机存储介质，包括：异常检测神经网络模型可以只以标准品图像为训练样本，可以不需要异常品图像为训练样本，在异常检测神经网络模型训练完成之后，编码器可对待测品图像进行编码得到待测品图像编码，进而转换器对待测品图像编码转换得到转换图像、解码器对待测品图像编码进行解码得到重建图像，判断重建图像与转换图像之间是否存在像素误差大于预设阈值的异常区域，若存在，则确定待测品图像对应的待测品为异常品。因此，仅基于标准品来训练模型，便可实现异常品的检测，无需对异常品进行采集，也不需要对训练样本进行标注，能够快速进行异常检测神经网络模型的训练和部署。

技术领域

本申请实施例涉及人工智能领域，具体涉及一种异常检测方法、装置及计算机存储介质。

背景技术

异常检测，即检测异常情况并定位出异常位置，在工业产品缺陷检测、医疗诊断和图像分析以及基础设施病态检测等诸多领域具有广泛应用。近年来，基于深度学习技术的异常检测方法得到了迅速发展，在各种视觉检测任务中取得了良好的性能表现，而这些方法的优秀性能表现依赖大量样本进行模型训练。在异常检测中，异常品数量有限或一些类型异常品十分稀有，因此，难以采集足够数量的异常品用于训练深度模型。此外，还需要对训练样本进行标注，即对训练样本标注出正常样本和异常样本，这也增加了人工成本。上述现状对异常检测的深度神经网络的训练工作开展带来困难。

发明内容

本申请实施例提供了一种异常检测方法、装置及计算机存储介质，用于在不以异常品图像为训练样本的情况下对异常检测神经网络模型进行训练并基于该异常检测神经网络模型对待测品进行异常检测。

本申请实施例第一方面提供了一种异常检测方法，所述方法应用于异常检测装置，所述方法包括：

获得预先训练完成的异常检测神经网络模型，所述异常检测神经网络模型由生成对抗网络算法对标准品图像训练得到，所述异常检测神经网络模型包括编码器、转换器及解码器；

接收待测品图像，将所述待测品图像输入至所述编码器，获得所述编码器输出的待测品图像编码；

分别向所述转换器及所述解码器输入所述待测品图像编码，得到所述转换器输出的转换图像以及所述解码器输出的重建图像；

计算所述重建图像与所述转换图像之间的像素误差，若所述重建图像与所述转换图像之间存在像素误差大于预设阈值的异常区域，则确定所述待测品图像对应的待测品为异常品。

本申请实施例第二方面提供了一种异常检测装置，所述装置包括：

模型获取单元，用于获得预先训练完成的异常检测神经网络模型，所述异常检测神经网络模型由生成对抗网络算法对标准品图像训练得到，所述异常检测神经网络模型包括编码器、转换器及解码器；

编码单元，用于接收待测品图像，将所述待测品图像输入至所述编码器，获得所述编码器输出的待测品图像编码；

转换及重建单元，用于分别向所述转换器及所述解码器输入所述待测品图像编码，得到所述转换器输出的转换图像以及所述解码器输出的重建图像；

检测单元，用于计算所述重建图像与所述转换图像之间的像素误差，若所述重建图像与所述转换图像之间存在像素误差大于预设阈值的异常区域，则确定所述待测品图像对应的待测品为异常品。

本申请实施例第三方面提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前述第一方面的方法。

本申请实施例第四方面提供了一种计算机存储介质，计算机存储介质中存储有指令，该指令在计算机上执行时，使得计算机执行前述第一方面的方法。

从以上技术方案可以看出，本申请实施例具有以下优点：