[发明专利]用于屏幕异常画面检测的训练数据的生成方法与装置有效
申请号: | 201911018504.5 | 申请日: | 2019-10-24 |
公开(公告)号: | CN110766079B | 公开(公告)日: | 2023-07-21 |
发明(设计)人: | 刘丹枫;王大亮;齐红威;何鸿凌 | 申请(专利权)人: | 南京纳贝信息技术有限公司 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/44;G06V10/80 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 林哲生 |
地址: | 210046 江苏省南京市栖霞区仙林街道仙林大*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 屏幕 异常 画面 检测 训练 数据 生成 方法 装置 | ||
1.一种用于屏幕异常画面检测的训练数据的生成方法,其特征在于,
获取正常种子图像,并生成与所述正常种子图像对应的异常生成标签;所述异常生成标签包括预处理方式,所述预处理方式包括用于添加表层异常特征的生成处理方式;所述正常种子图像包括正常的包含屏幕画面的图像;
根据所述异常生成标签对所述正常种子图像进行预处理,得到初始异常图像;所述初始异常图像添加了表层异常特征;所述表层异常特征包含表征纹路以及相邻物体空间位置信息的图像特征;
向深度异常特征生成网络输入的所述初始异常图像,得到添加深度异常特征的最终屏幕异常图像;其中,所述深度异常特征表征了所述初始异常图像中全局物体的相对空间位置信息、物体的抽象特征、所述初始异常图像的语义信息,以及,物体映射到高维空间中的属性信息;
通过编码网络计算所述最终屏幕异常图像的拟真度;所述添加深度异常特征的异常图像的拟真度高于所述初始异常图像的拟真度;
在所述最终屏幕异常图像的拟真度满足预设条件时,将所述最终屏幕异常图像放入屏幕异常图像集。
2.如权利要求1所述的方法,其特征在于,
不同的生成处理方式用于添加不同类别的表层异常特征;
所述方法还包括:
对所述屏幕异常图像集进行表层异常特征的类别统计,得到统计结果;
根据统计结果判断所述屏幕异常图像集中的最终屏幕异常图像在各类别的分布是否平衡;
若平衡,将所述屏幕异常图像集输出;返回再次执行所述获取正常种子图像,并生成异常生成标签的步骤及后续步骤。
3.如权利要求1或2所述的方法,其特征在于:
所述编码网络经训练得到;所述训练包括预训练过程;
所述预训练过程基于的预训练样本包括:种子图像及拟真度标签;所述拟真度标签包括所述种子图像对应的拟真度;
所述预训练包括:
所述编码网络获取所述预训练样本,并输出针对所述种子图像的拟真度;预训练过程中得到的拟真度为第一拟真度;
对所述第一拟真度与所述拟真度标签中的拟真度求差值;
根据所述差值更新所述编码网络的权重;
任一预训练样本所包括的种子图像为正常种子图像或异常种子图像;所述异常种子图像存储于所述输入单元中;所述异常种子图像包括:包含异常屏幕画面的图像。
4.如权利要求3所述的方法,其特征在于:所述深度异常特征生成网络的训练过程包括:
生成与正常种子图像Io对应的异常生成标签,并根据生成的异常生成标签对所述正常种子图像Io进行预处理,得到第一训练样本;
所述深度异常特征生成网络获取所述第一训练样本,输出添加深度异常特征的第一异常图像样本Ia;
将所述第一异常图像样本Ia输入所述编码网络;所述第一异常图像样本Ia用于所述编码网络进行二次训练;
所述深度异常特征生成网络接收针对所述第一异常图像样本Ia计算的拟真度;
所述深度异常特征生成网络根据返回的拟真度更新自身的权重。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京纳贝信息技术有限公司,未经南京纳贝信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911018504.5/1.html,转载请声明来源钻瓜专利网。