[發明專利]一種基于GAN的圖像檢測方法及裝置

有效

• 申請號: 201811324810.7
• 申請日: 2018-11-08
• 公開（公告）號: CN109685097B
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 黃永禎;曹春水;楊家輝;張俊峰
• 申請（專利權）人: 銀河水滴科技（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

1.一種基于GAN的圖像檢測方法，所述GAN包括生成器和判別器，其特征在于，所述方法包括：

獲取待檢測圖像對應的特征向量，包括：輸入所述待檢測圖像至預先訓練過的編碼器，將所述編碼器輸出結果作為所述特征向量，所述特征向量是與所述待檢測圖像相似的正樣本的特征向量；獲取隨機向量；

將所述隨機向量和所述特征向量合并成合成向量，輸入所述合成向量至所述生成器，以生成比對圖像，并計算所述比對圖像和所述待檢測圖像之間的第一損失函數；

輸入所述待檢測圖像和所述比對圖像至所述判別器，并計算所述判別器輸出的所述待檢測圖像和所述比對圖像分別對應的自身特征向量之間的第二損失函數；

對所述隨機向量進行優化，當所述第一損失函數和所述第二損失函數滿足預設條件時，將此時的隨機向量作為優化后的隨機向量；

獲取所述生成器根據優化后的隨機向量和所述特征向量生成的目標比對圖像，并將所述目標比對圖像與所述待檢測圖像進行對比，以檢測所述待檢測圖像中的拍攝對象是否存在異常。

2.根據權利要求1所述的方法，其特征在于，所述預設條件為所述第一損失函數和所述第二損失函數的損失值都低于各自對應的閾值。

3.根據權利要求1所述的方法，其特征在于，所述對所述隨機向量進行優化，包括：

采用梯度下降法對所述隨機向量進行優化。

4.根據權利要求1至3任一所述的方法，其特征在于，所述方法還包括：

預先采用所有正樣本訓練GAN。

5.根據權利要求4所述的方法，其特征在于，所述預先采用所有正樣本訓練GAN，包括：

采用二分類的交叉熵損失函數訓練所述GAN中的判別器；

采用歐式距離損失函數訓練所述GAN中的生成器。

6.根據權利要求1所述的方法，其特征在于，所述獲取隨機向量，包括：

從高斯分布中隨機采樣，以獲取所述隨機向量。

7.一種基于GAN的圖像檢測裝置，所述GAN包括生成器和判別器，其特征在于，所述裝置包括：

獲取單元，用于獲取待檢測圖像對應的特征向量，包括：輸入所述待檢測圖像至預先訓練過的編碼器，將所述編碼器輸出結果作為所述特征向量，所述特征向量是與所述待檢測圖像相似的正樣本的特征向量；獲取隨機向量；

生成單元，用于將所述隨機向量和所述特征向量合并成合成向量，輸入所述合成向量至所述生成器，以生成比對圖像，并計算所述比對圖像和所述待檢測圖像之間的第一損失函數；

輸入單元，用于輸入所述待檢測圖像和所述比對圖像至所述判別器，并計算所述判別器輸出的所述待檢測圖像和所述比對圖像分別對應的自身特征向量之間的第二損失函數；

優化單元，用于對所述隨機向量進行優化，當所述第一損失函數和所述第二損失函數滿足預設條件時，將此時的隨機向量作為優化后的隨機向量；

檢測單元，用于獲取所述生成器根據優化后的隨機向量和所述特征向量生成的目標比對圖像，并將所述目標比對圖像與所述待檢測圖像進行對比，以檢測所述待檢測圖像中的拍攝對象是否存在異常。

8.一種電子設備，其特征在于，包括：處理器、存儲器和總線，其中，

所述處理器和所述存儲器通過所述總線完成相互間的通信；

所述存儲器存儲有可被所述處理器執行的程序指令，所述處理器調用所述程序指令能夠執行如權利要求1至6任一所述的方法。

9.一種非暫態計算機可讀存儲介質，其特征在于，所述非暫態計算機可讀存儲介質存儲計算機指令，所述計算機指令使所述計算機執行如權利要求1至6任一所述的方法。