[发明专利]一种图像差异检测方法和装置

权利要求书

1.一种图像差异检测方法，其特征在于，应用于集成电路中，包括：

对采集到的样本图像进行预处理；

构建基于神经网络的差异检测模型；

根据预处理后的样本图像对所述差异检测模型进行模型训练，以得到目标差异检测模型；

根据目标差异检测模型对待检测图像进行检测，确定所述待检测图像之间的差异信息并根据所述差异信息确定出异常图像数据。

2.根据权利要求1所述的方法，其特征在于，对采集到的样本图像进行预处理包括：

对采集到的样本图像进行标注；

对标注后的样本图像进行特征增强。

3.根据权利要求2所述的方法，其特征在于，对标注后的样本图像进行特征增强包括：

对标注后的图像进行随机增加噪声、随机亮度变化、随机裁切以及随机缩放。

4.根据权利要求1所述的方法，其特征在于，所述基于神经网络构建的差异检测模型包括多级特征提取网络和多层融合网络。

5.根据权利要求1所述的方法，其特征在于，根据预处理后的样本图像对基于神经网络构建的差异检测模型进行模型训练，以得到目标差异检测模型，包括：

设置所述差异检测模型进行模型训练时的学习率、单次训练图像数量以及收敛步数，利用梯度函数对所述差异检测模型的权重参数进行更新，以得到目标差异检测模型。

6.根据权利要求5所述的方法，其特征在于，设置所述差异检测模型进行模型训练时的学习率、单次训练图像数量以及收敛步数，利用梯度函数对所述差异检测模型的权重参数进行更新，以得到目标差异检测模型，包括：

从0开始设置学习率为0.001，每1000步学习率降为0.001*0.8，采用随机梯度下降方式对所述差异检测模型的权重参数进行更新，设置单次训练图像的数量为32，在模型损失函数的值在100步骤之内不再下降时候保存当前模型，将所述当前模型作为最佳目标差异检测模型。

7.根据权利要求1所述的方法，其特征在于，根据目标差异检测模型对待检测图像进行检测，确定所述待检测图像之间的差异信息并根据所述差异信息确定出异常图像数据，包括：

将每个基本单元类别的标准图像先送入所述目标差异检测模型，得到所述标准图像的特征表示向量；

依次将对应类别下的所有图像送入所述目标差异检测模型，得到每个图像的特征表示向量；

将每个类别下标准图像的特征表示向量和对应该类别下每个图像的特征表示向量进行比较，根据比较结果确定对应类别下的异常图像数据。

8.根据权利要求7所述的方法，其特征在于，将每个类别下标准图像的特征表示向量和对应该类别下每个图像的特征表示向量进行比较，根据比较结果确定对应类别下的异常图像数据，包括：

按照标准图像的特征表示向量与对应类别下其他图像的特征表示向量之间差异程度从大到小的顺序对待检测图像的输出结果进行排序，若排在第一位的图像被判定为异常图像，则继续顺序对图像进行判断，直至找到第一幅正常图像，排在该正常图像之前的所有图像均是异常图像；

若排在第一位的图像不是异常图像，则所有的图像都不是异常图像。

9.一种图像差异检测装置，其特征在于，应用于集成电路中，所述装置包括：

预处理模块，用于对采集到的样本图像进行预处理；

模型构建模块，用于构建基于神经网络的差异检测模型；

模型训练模块，用于根据预处理后的样本图像对所述差异检测模型进行模型训练，以得到目标差异检测模型；

检测模块，用于根据目标差异检测模型对待检测图像进行检测，确定所述待检测图像之间的差异信息并根据所述差异信息确定出异常图像数据。

10.根据权利要求9所述的装置，其特征在于，所述检测模块具体用于：

将每个基本单元类别的标准图像先送入所述目标差异检测模型，得到所述标准图像的特征表示向量；

依次将对应类别下的所有图像送入所述目标差异检测模型，得到每个图像的特征表示向量，

将每个类别下标准图像的特征表示向量和对应该类别下每个图像的特征表示向量进行比较，根据比较结果确定对应类别下的异常图像数据。