(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210834357.4 (22)申请日 2022.07.14 (71)申请人 华中科技大 学 地址 430074 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 沈卫明　曹云康　 (74)专利代理 机构 华中科技大 学专利中心 42201 专利代理师 司宁宁 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种考虑标签不确定性的图像异常检测方 法 (57)摘要 本发明属于图像异常检测相关技术领域， 其 公开了一种考虑标签不确定性的图像异常检测 方法， 该方法包含专家网络与学徒网络， 分为训 练与测试两个阶段。 训练阶段， 根据训练图像掩 膜生成空间不确定性掩膜。 后将训练图像输入专 家网络和学徒网络提取得到专家特征和学徒特 征， 并根据训练图像掩膜、 空间不确定性掩膜将 所有特征分为混淆特征、 正 常特征、 异常特征， 在 优化过程中增大正常特征相似度、 减小异常特征 相似度， 对混淆特征不进行显式优化以避免优化 方向歧义问题。 在测试阶段， 使用专家网络、 学徒 网络对测试图像提取特征， 计算学徒网络与专家 网络的相似度， 取负后即为异常区域。 本方法考 虑了工业产品图像中的标签不确定性， 提升了图 像异常检测能力。 权利要求书2页 说明书5页 附图4页 CN 115330688 A 2022.11.11 CN 115330688 A 1.一种考虑标签不确定性的图像异常检测方法， 其特 征在于， 所述方法包括： S1： 根据训练图像数据集中的训练图像得出训练图像掩膜， 将所述训练图像掩膜进行 膨胀后与训练图像掩膜逐像素相减后获得空间不确定性掩膜； S2： 获取训练完成的特征提取深度神经网络， 即专家网络， 以及未训练的特征提取深度 神经网络， 即学 徒网络； S3： 将所述训练图像分别输入专 家网络和学 徒网络得到专 家特征和学徒特征； S4： 依据所述训练图像掩膜和空间不确定性掩膜各个像素位置处的像素值， 将所述专 家特征与学徒特征进一步分为专家混淆特征、 专家正常特征、 专家异常特征、 学徒混淆特 征、 学徒正常特 征和学徒异常特 征； S5： 对专家正常特征和学徒正常特征之间的余弦相似度以及专家异常特征和学徒异常 特征之间的余弦相似度进行约束， 得到约束结果， 基于所述约束结果进行反向传播以优化 所述学徒网络的参数； S6： 将待测试图像同时输入所述专家网络和参数优化后的学徒网络获得专家提取特征 和学徒提取特征， 计算所述专家提取特征和学徒提取特征 的相似度值， 根据所述相似度值 获得待测图像的异常区域。 2.根据权利要求1所述的方法， 其特 征在于， 步骤S4具体为： 将空间不确定性掩膜中为1的像素坐标对应的专家特征和学徒特征判别为专家混淆特 征和学徒混淆特征； 将空间不确定性掩膜中为0且训练图像掩膜中为0的像素坐标对应的专家特征和学徒 特征判别为专 家正常特 征和学徒正常特 征； 将空间不确定性掩膜中为0且训练图像掩膜中为1的像素坐标对应的专家特征和学徒 特征判别为专 家异常特征和学徒异常特 征。 3.根据权利要求1所述的方法， 其特征在于， 步骤S5 中对专家正常特征和学徒正常特征 之间的余弦相似度以及专家异常特征和学徒异常特征之间的余弦相似度进行约束的约束 函数L为： 其中， 为专家正常特征， 为学徒正常特征， 为专家异常特征， 为学徒异常 特征， NN为 和 的数量和， NA为 和 的数量和。 4.根据权利要求1所述的方法， 其特 征在于， 步骤S1具体包括： 构建形态操作核1w×w， 其中w为预设参数； 使用所述形态操作核1w×w对训练图像掩膜M进行膨胀操作； 将膨胀后的掩膜与原始训练图像掩膜M进行逐像素相减得到所述空间不确定性掩膜Mu， 具体公式如下： 其中， 为膨胀操作， 为像素级别相减操作。权　利　要　求　书 1/2 页 2 CN 115330688 A 25.根据权利要求1所述的方法， 其特征在于， 步骤S6 中采用如下公式计算所述专家提取 特征和学徒提取特征的相似度值A： 其中， i和j为对应 像素位置处的像素坐标， Fε为专家提取特征， Fξ为学徒提取特征。 6.根据权利要求1或5所述的方法， 其特征在于， 步骤S6中当所述相似度值为负值时则 对应区域 为异常区域。 7.根据权利要求1所述的方法， 其特征在于， 步骤S4中还进一步包括剔除所述专家混淆 特征和学徒混淆特征。权　利　要　求　书 2/2 页 3 CN 115330688 A 3