[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

说明书

本发明实施例提供用于屏幕异常画面检测的训练数据的生成方法与装置，以解决大量的屏幕异常图像人工采集困难的问题。在本发明实施例中，可根据正常种子图像生成大量的屏幕异常图像，解决了大量的屏幕异常图像人工采集困难的问题。同时，在本发明实施例中，会计算最终屏幕异常图像的拟真度，在其满足预设条件时，才将其作为训练数据放入屏幕异常图像集，保证了训练数据的质量。此外，在本发明实施例中，采用表层异常特征和深度异常特征融合方式：将向正常种子图像中添加表层异常特征后，将其送入深度异常特征生成网络中，网络输出即是最后的屏幕异常图像。

技术领域

本发明涉及计算机技术领域，特别涉及用于屏幕异常画面检测的训练数据的生成方法与装置。

背景技术

手机生产厂商、液晶屏幕生产厂商等存在大量的涉及屏幕异常检测的业务需求。屏幕异常检测的业务需求是希望可以不使用额外的硬件装置，仅仅提供一张屏幕的照片就可以检测到该被拍摄屏幕是否存在异常。

上述业务需求的实现主要依靠基于深度学习的屏幕异常检测技术。而这种新技术需要大量的屏幕异常图像作为训练数据构建训练集，以训练屏幕异常检测深度模型。

屏幕异常图像的采集工作可依靠人工对屏幕异常的移动终端进行拍照来实现。然而，由于屏幕异常图像的稀少性，通常比较难以采集到大量的屏幕异常图像。

发明内容

有鉴于此，本发明实施例提供用于屏幕异常画面检测的训练数据的生成方法与装置，以解决大量的屏幕异常图像人工采集困难的问题。

为实现上述目的，本发明实施例提供如下技术方案：

一种用于屏幕异常画面检测的训练数据的生成方法，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；

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。

可选的，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。

可选的，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。