[发明专利]一种分割图像中异常区域的自监督深度学习算法

摘要

本发明涉及自监督图像异常分割技术领域，尤其为一种分割图像中异常区域的自监督深度学习算法，包括特征提取的构成、基于硬图像增强或引入其它数据集生成的伪异常掩码和可微分的二值化网络的异常分割，其中特征提取的构成采用ResNet+FPN的结构，即为残差网络加特征金字塔结构，伪异常掩码为pseudo mask，可微分的二值化网络为DBNet，本发明通过设计一种分割图像中异常区域的自监督深度学习算法，此算法准确度高，推理速度快，无需人为指定阈值，能够端到端训练和推理，有效的解决了现有的无监督异常分割算法无法端到端训练和推理，需要人为指定阈值等缺点，提出一种无需人为指定阈值、可以端到端训练和推理的自监督异常分割算法的问题。