[发明专利]异常检测方法及装置、电子设备和存储介质

说明书

本申请实施例提供了一种异常检测方法及装置、电子设备和存储介质，其中，该方法包括：对原始图像进行特征提取，得到第一特征图；将第一特征图映射为第二特征图；根据第二特征图，得到原始图像的异常热力图；根据异常热力图，得到原始图像的异常检测结果。本申请实施例有利于提升图像异常检测的精度。

技术领域

本申请涉及计算机视觉技术领域，具体涉及一种异常检测方法及装置、电子设备和存储介质。

背景技术

计算机视觉领域的异常检测和定位的目的是识别和定位出图像中的异常区域，被广泛应用于工业缺陷检测、医学图像检测和安全检测等领域。目前主流的异常检测方法是基于深度学习进行异常定位，然而，由于异常样本的缺失使得在实践中收集和标注大量的异常数据变得十分困难，不利于训练出检测精度较高的模型。为解决这一问题，业内提出了无监督异常检测定位技术，无监督异常检测定位技术通过对正常样本建模，不采用任何标注信息检测并定位出图像中的异常区域，但是现有的无监督方法存在图像的特征空间信息丢失或全局信息被忽略的情况，导致异常检测的精度较低。

发明内容

本申请实施例提供了一种异常检测方法及装置、电子设备和存储介质，有利于提升图像异常检测的精度。

第一方面，本申请实施例提供一种异常检测方法，包括：

对原始图像进行特征提取，得到第一特征图；

将第一特征图映射为第二特征图；

根据第二特征图，得到原始图像的异常热力图；

根据异常热力图，得到原始图像的异常检测结果。

结合第一方面，在一些可能的实施方式中，将第一特征图映射为第二特征图，包括：

通过至少2次可逆转换处理，将第一特征图映射为第二特征图；

其中，至少2次可逆转换处理中的第r次可逆转换处理所采用的二维卷积核的尺寸与第(r+1)次可逆转换处理所采用的二维卷积核的尺寸不同。

结合第一方面，在一些可能的实施方式中，在第一特征图包括多层级的特征图的情况下，将第一特征图映射为第二特征图，包括：

对多层级的特征图进行尺度归一化，得到多个第一待拼接特征图，多个第一待拼接特征图与多层级的特征图一一对应；

将多个第一待拼接特征图拼接为第三特征图；

对于第三特征图，通过至少2次可逆转换处理，得到第二特征图。

结合第一方面，在一些可能的实施方式中，在第一特征图包括多层级的特征图的情况下，将第一特征图映射为第二特征图，包括：

对于多层级的特征图，通过至少两次可逆转换处理，得到多个第四特征图，多个第四特征图与多层级的特征图一一对应；

对多个第四特征图进行尺度归一化，得到多个第二待拼接特征图，多个第二待拼接特征图与多个第四特征图一一对应；

将多个第二待拼接特征图拼接为第五特征图；

对于第五特征图，通过至少2次可逆转换处理，得到第二特征图。

结合第一方面，在一些可能的实施方式中，第二特征图中的特征表示原始图像中对应位置的特征的概率密度估计；

根据第二特征图，得到原始图像的异常热力图，包括：

在通道维度，对第二特征图中位置对应的概率密度估计求平方和；

计算平方和的均值，得到待缩放特征图；

对待缩放特征图进行缩放，得到异常热力图。