[发明专利]一种图像标定错误检测方法及装置

说明书

本发明公开了一种图像标定错误检测方法及装置，方法包括：建立图像数据集，利用所述图像数据集对无监督异常检测神经网络进行训练，将训练过程中将产生的隐层特征进行重构，得到隐层特征重构层；将所述隐层特征重构层嵌入所述无监督异常检测神经网络，然后对待检测图像数据进行异常检测，根据异常得分函数，判别待检测图像数据是否标定错误；装置包括：依次连接的基干网络模块、隐层特征重构模块和异常得分模块；本发明能够扩大正常样本与异常样本之间的异常得分差距，提高异常检测性能。

技术领域

本发明涉及机器学习技术领域，尤其是涉及一种图像标定错误检测方法及装置。

背景技术

在图像标定过程中，难免由于标定人员粗心等因素而出现错误标定。人工检测错误标定耗时耗力，无监督异常检测能够减少人力资源投入。对于无监督异常检测任务，目前通常采用表征学习的方法，根据训练数据的类型，设计相应的无监督表征学习任务，最后通过异常和正常样本的训练速度或者训练难度之间的差异，以此检测出异常样本。但是，目前的无监督异常检测方法存在以下缺陷：一方面，因为无监督的设定以及难以控制深度学习网络模型的训练程度，该设定下网络模型在训练过程并不能分辨异常样本，会同时尽力拟合正常和异常样本，导致随着训练过程的进行，两类样本之间的重构误差会逐渐减少，进而导致异常检测的性能也随之下降，如图2所示；另一方面，目前无监督异常检测主要是基于自动编码器的或者是基于几何变换的方法，两类方法均有优缺点，前者简单实现但性能相对较差，后者性能好但不能用于非图像数据，现有方法均只能够支持某一类方法，不能够同时支持前者和后者，具有相对较差的通用性。因此，亟需设计一种能够克服上述缺陷的技术方案。

发明内容

为解决现有技术的不足，实现扩大正常样本与异常样本之间的异常得分差距，提高异常检测性能，以及提高通用性的目的，本发明采用如下的技术方案：

一种图像标定错误检测方法，包括如下步骤：

S1，训练阶段，利用图像数据集，对无监督异常检测神经网络进行训练：