[发明专利]测量图像分类器对输入图像变化的灵敏度

说明书

本发明涉及用于测量图像分类器（2）对输入图像（1）的变化的灵敏度（2*）的方法（100），所述图像分类器将输入图像（1）分配给预给定分类的一个或多个类别（3a‑3c），所述方法具有以下步骤：通过至少一个预给定的算子（4）将所述输入图像（1）映射（110）为中间图像（5），所述中间图像与所述输入图像（1）相比具有较少的信息内容和/或较差的信噪比；提供（120）至少一个生成器（6），所述至少一个生成器被训练为产生由所述图像分类器（2）分配给所述预给定分类的特定类别（3a‑3c）的逼真图像；利用所述生成器（6）从所述中间图像（5）产生（130）所述输入图像（1）的变型（7）。

技术领域

本发明涉及可训练图像分类器的行为控制，所述图像分类器例如可用于批量生产的产品的质量控制。

背景技术

在产品批量生产的情况下，通常需要对生产质量持续地进行检查。在此力求尽可能快地识别出质量问题，以便能尽可能快地消除原因并且不会有太多单位的相应产品作为废品损失。

产品的几何形状和/或表面的光学控制是快速且无损的。WO 2018/197 074 A1公开了一种试验设备，其中可以将对象置于大量照明状况下，其中在这些照明状况中的每一种状况下都用相机记录所述对象的图像。从这些图像中分析所述对象的形貌。

所述产品的图像也可以直接利用基于人工神经网络的图像分类器分配给预给定分类的多个类别之一。在此基础上，可以将所述产品分配给多个预给定的质量类别之一。在最简单的情况下，这种分类是二元的（“合格”/“不合格”）。

发明内容

在本发明的范围中分配了一种用于测量图像分类器对输入图像变化的灵敏度的方法。

所述图像分类器将输入图像分配给预给定分类的一个或多个类别。作为输入图像可以例如使用批量生产的、名义上相同的产品的图像。例如可以将所述图像分类器训练为将所述输入图像分配给代表相应产品的质量评判的至少两个可能类别中的一个或多个。

例如，可以基于图像将产品二元地分类为“合格”或“不合格”(NOK)。例如，划分为包含更多介于“合格”和“不合格”之间的中间级别的分类也能够是可能且有意义的。

图像的概念原则上包括布置为二维或多维栅格的任何信息分布。例如，这些信息可以是使用任意成像模态（例如使用光学相机、热成像相机或使用超声）记录的图像像素的强度值。但是，也可以将任何其他数据、例如音频数据、雷达数据或激光雷达数据转换为图像，然后以相同的方式进行分类。

在该方法中，通过至少一个预给定算子将所述输入图像映射为中间图像，所述中间图像与所述输入图像相比具有较少的信息内容和/或较差的信噪比。

例如，所述信息内容可以在香农信息论的意义上理解为表征图像以及例如通过信道传输图像所需的独立参数（例如比特）的最小数量。

这样，例如将所述输入图像缩小到更低的像素分辨率导致所述中间图像完全由这些更低数量的像素来描述。如果所述中间图像在缩小后再次放大到所述输入图像的原始像素分辨率，则也没有任何变化。所述输入图像中原始包含的信息的一部分已不可挽回地丢失了。

如果使用自动编码器结构的编码器将所述输入图像转换为降维表示，则同样适用。无论该降维表示是直接用作中间图像还是为此又转换回与原始输入图像具有相同像素分辨率的图像，都适用。自动编码器结构可以例如包括编码器和解码器，其中所述编码器产生降维表示，而所述解码器将该表示转换回。然后可以一起训练所述编码器和所述解码器，其目标是在转换回时产生与原始输入图像尽可能相似的图像。

所述输入图像的至少一部分的模糊导致该图像中的信息在空间中变化更慢，也就是说，从该图像中去除了特定的空间频率。因此，该图像由较少的空间频率局部或全局描述。因此由于所述模糊也减少了信息内容。

例如，通过向所述中间图像添加加性和/或乘性噪声，可以使所述中间图像的信噪比与所述输入图像相比变差。