[发明专利]用于生成信息的方法和装置

说明书

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取包括目标产品图像的待处理图像，其中，目标产品图像包括产品缺陷图像；对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，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。该实施方式提高了信息生成的准确性。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

在产品生产的过程中，难免会由于各种物理或人为因素造成产品的缺陷(例如裂纹、划痕等)，所产生的缺陷对产品质量以及产品安全性等具有重要影响。目前，相关技术人员通常采用人为观察的方式来确定存在缺陷的产品以及所存在的缺陷在产品中的位置。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：获取包括目标产品图像的待处理图像，其中，目标产品图像包括产品缺陷图像；对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，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。

在一些实施例中，该方法还包括：将待处理图像输入卷积神经网络，获得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。

在一些实施例中，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、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、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。

在一些实施例中，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。

在一些实施例中，获取多个样本产品缺陷图像，包括：获取多个原始数据；将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，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。

在一些实施例中，缺陷生成模型通过如下步骤训练得到：获取训练样本，其中，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，生成式对抗网络包括生成网络和判别网络，生成网络用于利用所输入的数据生成图像，判别网络用于确定所输入的图像是否为生成网络所输出的图像；利用机器学习方法，将多个样本原始数据作为生成网络的输入，将生成网络输出的图像和多个待输入产品缺陷图像作为判别网络的输入，对生成网络和判别网络进行训练，将训练后的生成网络确定为缺陷生成模型。

在一些实施例中，获取多个样本产品缺陷图像，包括：获取多个原始图像；在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。