[发明专利]变化检测模型训练和图像变化检测方法、装置及设备

说明书

本申请公开了变化检测模型训练和图像变化检测方法、装置及设备，可应用于云技术、人工智能、智慧交通、辅助驾驶、地图等各种场景，该方法在变化检测模型的训练阶段，通过内容配准的两个图像进行变化检测来结合调整整体模型，以利用两个图像之间的双相变化检测对单相变化检测进行增强，从而提升了单相变化检测分支的准确性。同时，在应用阶段，针对目标图像，仅需要通过单相变化检测这一单个数据处理分支进行，即可获得目标图像相对于标准图像发生变化的区域，从而大大减少了数据处理量，提升实际检测场景中图像变化检测的检测效率。

技术领域

本申请涉及计算机技术领域，尤其涉及人工智能技术领域，提供一种变化检测模型训练和图像变化检测方法、装置及设备。

背景技术

在工业制造过程中，通过引进流水线生产使得生产效率得以大幅度提高。但是复杂的工艺也不可避免的导致了产品缺陷的产生，而这些缺陷属于概率性发生，需要在后期对于成品进行缺陷检测，而传统的人工观察的方法的检测成本大，并且人工观察也存在一定的难度，例如：由于可能存在缺陷区域小，检测困难以导致存在漏检的情况，影响实际产线的良率。

为了替代人工视觉观察方法，提升成品缺陷检测的效率以及准确性，基于计算机视觉技术的缺陷定位方法成为了热门的研究方向。例如：基于图像变化检测的缺陷定位方法，其是指通过识别并分割出实际产品图像中的缺陷区域，缺陷区域是指实际产品图像相对于无缺陷产品图像而言两者之间发生变化的图像区域。

但是，图像变化检测模型的精准性决定了缺陷定位结果的准确性，因此，如何提升图像变化检测的精准性是值得考虑的问题。

发明内容

本申请实施例提供一种变化检测模型训练和图像变化检测方法、装置及设备，用于提升图像变化检测的准确率和效率。

一方面，提供一种变化检测模型训练方法，所述方法包括：

获得多个样本图像组，每个样本图像组包含内容配准的第一图像、第二图像以及样本标签，所述样本标签用于指示：所述第一图像以及所述第二图像各自相对于标准图像发生变化的实际图像区域；

采用所述多个样本图像组对待训练的变化检测模型进行迭代训练，获得相应的目标变化检测模型，每一次迭代包括如下步骤：

分别对输入的各样本图像组进行组内图像变化检测，获得各样本图像组内的第二图像相对于第一图像发生变化的第一图像区域；

对输入的各第一图像分别进行单相图像变化检测，获得各第一图像相对于所述标准图像发生变化的第二图像区域；

基于各样本图像组对应的样本标签、第一图像区域与第二图像区域确定模型损失，并基于所述模型损失进行参数调整。

一方面，提供一种图像变化检测方法，所述方法包括：

基于上述任一种方法训练得到目标变化检测模型；

调用所述目标变化检测模型，对待检测的目标图像进行单相图像变化检测，获得所述目标图像相对于标准图像发生变化的目标图像区域。

一方面，提供一种变化检测模型训练装置，所述装置包括：

样本获取单元，用于获得多个样本图像组，每个样本图像组包含内容配准的第一图像、第二图像以及样本标签，所述样本标签用于指示：所述第一图像以及所述第二图像各自相对于标准图像发生变化的实际图像区域；

变化检测单元，用于采用所述多个样本图像组对待训练的变化检测模型进行迭代训练，获得相应的目标变化检测模型；其中，所述变化检测单元包括：

组内检测子单元，用于分别对输入的各样本图像组进行组内图像变化检测，获得各样本图像组内的第二图像相对于第一图像发生变化的第一图像区域；