[发明专利]用于生成信息的方法和装置

权利要求书

1.一种用于生成信息的方法，包括：

获取包括目标产品图像的待处理图像，其中，所述目标产品图像包括产品缺陷图像；

对所述待处理图像进行切分，获得至少两个待处理子图像，其中，待处理子图像包括目标产品子图像；

将所述至少两个待处理子图像分别输入预先训练的卷积神经网络，获得待处理子图像所包括的目标产品子图像中的产品缺陷图像的描述信息，其中，所述卷积神经网络用于表征图像与图像所包括的产品图像中的产品缺陷图像的描述信息的对应关系。

2.根据权利要求1所述的方法，其中，所述方法还包括：

将所述待处理图像输入所述卷积神经网络，获得所述待处理图像所包括的目标产品图像中的产品缺陷图像的描述信息。

3.根据权利要求1或2所述的方法，其中，所述卷积神经网络通过如下步骤训练得到：

获取多个包括样本产品图像的样本待处理图像，其中，样本产品图像包括样本产品缺陷图像；

获取已标定的、所述多个样本待处理图像中的每个样本待处理图像所包括的样本产品图像中的样本产品缺陷图像的描述信息；

利用机器学习方法，将所述多个样本待处理图像中的每个样本待处理图像作为输入，将已标定的、所述多个样本待处理图像中的每个样本待处理图像所包括的样本产品图像中的样本产品缺陷图像的描述信息作为输出，训练得到卷积神经网络。

4.根据权利要求3所述的方法，其中，所述获取多个包括样本产品图像的样本待处理图像，包括：

获取多个样本产品缺陷图像；

对于所述多个样本产品缺陷图像中的每个样本产品缺陷图像，将该样本产品缺陷图像与预设的、包括待融合样本产品图像的待融合样本待处理图像进行融合，生成包括样本产品图像的样本待处理图像，其中，待融合样本产品图像不包括产品缺陷图像。

5.根据权利要求4所述的方法，其中，所述获取多个样本产品缺陷图像，包括：

获取多个原始数据；

将所述多个原始数据分别输入预先训练的缺陷生成模型，获得多个产品缺陷图像，其中，所述缺陷生成模型用于表征数据与产品缺陷图像的对应关系；

将所获得的多个产品缺陷图像确定为多个样本产品缺陷图像。

6.根据权利要求5所述的方法，其中，所述缺陷生成模型通过如下步骤训练得到：

获取训练样本，其中，所述训练样本包括多个样本原始数据和多个待输入产品缺陷图像；

提取预先建立的生成式对抗网络，其中，所述生成式对抗网络包括生成网络和判别网络，所述生成网络用于利用所输入的数据生成图像，所述判别网络用于确定所输入的图像是否为所述生成网络所输出的图像；

利用机器学习方法，将所述多个样本原始数据作为所述生成网络的输入，将所述生成网络输出的图像和所述多个待输入产品缺陷图像作为所述判别网络的输入，对所述生成网络和所述判别网络进行训练，将训练后的所述生成网络确定为缺陷生成模型。

7.根据权利要去4所述的方法，其中，所述获取多个样本产品缺陷图像，包括：

获取多个原始图像；

在所述多个原始图像中的每个原始图像上生成产品缺陷图像，使得所生成的产品缺陷图像满足预设条件；

将所生成的多个产品缺陷图像确定为多个样本产品缺陷图像。

8.一种用于生成信息的装置，包括：

获取单元，配置用于获取包括目标产品图像的待处理图像，其中，所述目标产品图像包括产品缺陷图像；

切分单元，配置用于对所述待处理图像进行切分，获得至少两个待处理子图像，其中，待处理子图像包括目标产品子图像；

第一生成单元，配置用于将所述至少两个待处理子图像分别输入预先训练的卷积神经网络，获得待处理子图像所包括的目标产品子图像中的产品缺陷图像的描述信息，其中，所述卷积神经网络用于表征图像与图像所包括的产品图像中的产品缺陷图像的描述信息的对应关系。