CN114049332B 异常检测方法及装置、电子设备和存储介质 （上海商汤智能科技有限公司）

UnsupervisedAnomalyDetecti2.本申请实施例提供了一种异常检测方法及第一特征图映射为第二特征图；根据第二特征2将所述第一特征图映射为第二特征图；在所述第一特征图包括多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3.根据权利要求1所述的方法，其特征在于，所述将所述第一特征图映射为第二特征对所述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4.根据权利要求1所述的方法，其特征在于，所述将所述第一特征图映射为第二特征对所述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，5.根据权利要求3或4所述的方法，其特征在对于所述多个第二特征图中的每个第二特征图，在通道维度，对所述3对所述待归一化特征图进行尺度归一化，以及对尺度归对于待执行可逆转换处理的目标特征图，将所述目标特征图分裂为通道其中，在n等于1的情况下，所述第二待连接特征图为9.根据权利要求8所述的方法，其特征在于，所述n在所述任意一次仿射耦合操作为第1次仿射耦合操作的情况下，对所述第一子目标特采用所述第一缩放系数和所述第一平移系数，将未进行二维标特征图或所述第一子目标特征图，与所述第1次仿射耦合操作中的二维卷积处理的输入在所述任意一次仿射耦合操作为第m次仿射耦合操作的情况下，对采用所述第二缩放系数和所述第二平移系数，将所述第(m-1)次仿射耦合操作的输出征图中的特征表示所述原始图像中对应位置的特根据所述异常评分与所述预设值的差值确定所述原始图像中的异常4通过神经网络将所述第六特征图映射为第七特征图，所述第七特征图根据所述第七特征图中的概率密度估计确定所述第六特征图中的特征的对数似然估将所述第六特征图中的特征的负对数似然估计作为所述特征提取单元，还用于将所述第一特征图映射为第二特征图；在是通过对所述多层级的特征图进行至少2次可逆转换处理得到的，多个第二特征图与所述所述计算机存储介质，存储有一条或多条指令，所述一条或多条指令所述一条或多条指令适于由处理器加载并执行如权利要求1-13任一项56[0040]在任意一次仿射耦合操作为第1次仿射耦合操作的情况下，对第一子目标特征图789像采集设备101、用户设备102和电子设备103通过有线或无线的网络连接，图像采集设备出原始图像的多层级特征，对多层级特征进行可逆转换处理以将特征映射为概率密度估性的，至少2个可逆转换块f可以采用3*3卷积和1*1卷积交替处理的方式(简称为大小卷积特征提取方面，相关技术中通常采用滑动窗口方法对特征图逐块(patch)建模并利用位置[0097]本申请实施例中，采用残差网络(ResNet)或带有蒸馏令牌(token)的视觉转换器(VisionTransformers)作为特征提取器，比如，残差网络可以是resnet18网络、wide_以选取残差网络第1个残差块输出的特征图、第2个残差块输出的特征图和第3个残差块输逆转换处理得到的概率密度估计输入二维归一化流模型的第2个可逆转换块f2进行第2次理得到的概率密度估计输入二维归一化流模型的第(r+1)个可逆转换块fr+1进行第(r+1)次转换块f所采用的二维卷积核的尺寸可以是3*3卷积和1*1卷积交替出现的方式。需要说明分别经过二维归一化流模型中至少2个可逆转换块f的映射得到尺度对应的多个第二特征以保持不动，对512*32*32的第一特征图进行下采样，得到2048*16*16的第一待拼接特征部署多个二维归一化流模型进行推理所带来的开销。征图分别经过二维归一化流模型中至少2个可逆转换块f的映射得到尺度对应的三个第四1024*16*16的第四特征图可以保持不动，对512*32*32的第四特征图进行下采样，得到个第二待拼接特征图拼接为(2048+1024+512)*16*16的第五特征图。第五特征图经过二维归一化流模型中至少2个可逆转换块f的映射得到尺度对应的第(ChannelPermute)，然后将其分裂(Split)为通道数均为C/2的第一子目标特征图ya和第中是对yb进行二维卷积处理，则将第一待连接特征图与yb连接，此时第二待连接特征图为[0139]在任意一次仿射耦合操作为第1次仿射耦合操作的情况下，对第一子目标特征图[0143]具体的，假设通过两个子网s，二缩放系数s2和第二平移系数b2，对s2进行以自然对数底数e为底数的指数运算exp得到s和b2求取y′b和第1次仿射耦合操作中二维卷积处理的输入ya的线性组[0149]该实施方式中，由于现有归一化流在可逆转换处理中通对所有64*64的第二特征图中位置对应的概率密度估计求平方和，计算每个位置上的平方和的均值得到1*64*64的异常热力图，对该异常热力图进行缩放得到目标尺度的异常热力256*256的异常热力图中的特征用于表示原始图像中对应位置的异[0152]示例性的，在第一特征图包括多层级的特征图的情况下，对应于图5所示的实施对所有16*16的第二特征图中位置对应的概率密度估计求平方和，计算每个位置上的平方[0160]该实施方式中，对每个二维归一化流模型输出的多尺度的第二特征图进行缩放、[0182]其中，正样本图像可以是异常检测或定位数据集MVTecAD、BTADBeanTech或[0225]在一种可能的实施方式中，在执行至少2次可逆转换处理中的任意一次可逆转换[0230]在一种可能的实施方式中，在执行n次仿射耦合操作中的任意一次仿射耦合操作[0231]在任意一次仿射耦合操作为第1次仿射耦合操作的情况下，对第一子目标特征图[0251]根据本申请的另一个实施例，可以通过在包括中央处理单元(或称CPU(Central存储介质(ROM，Read-OnlyMemory)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图3或图9中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码)，来构造如图10中所示的异常检测装置设备，以及来实现本申请实施例的异常检测方[0252]基于上述方法实施例和装置实施例的描述，本申请实施例还提供一种电子设[0284]再一个实施例中，处理器1101执行至少2次可逆转换处理中的任意一次可逆转换[0290]在任意一次仿射耦合操作为第1次仿射耦合操作的情况下，对第一子目标特征图[0298]再一个实施例中，异常热力图中的特征用于表示原始图像中对应位置的异常评常检测方法中的步骤，因此上述异常检测方法的所有实施例均适用于该计算机存储介质，的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，[0320]所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；