[發(fā)明專利]用于檢測輻射圖像中的局部異常的網(wǎng)絡(luò)、方法和裝置

在審

• 申請?zhí)枺?/td>: 201910315913.5
• 申請日: 2019-04-18
• 公開（公告）號: CN111861967A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 張*;姚彥潔;劉永春;李葦;邢宇翔;張麗
• 申請（專利權(quán)）人: 同方威視技術(shù)股份有限公司;清華大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 潘軍

提供了一種用于檢測輻射圖像中的局部異常的網(wǎng)絡(luò)，包括重建網(wǎng)絡(luò)部分和孿生網(wǎng)絡(luò)部分。重建網(wǎng)絡(luò)部分包括第一編碼網(wǎng)絡(luò)、生成網(wǎng)絡(luò)、判別網(wǎng)絡(luò)和第二編碼網(wǎng)絡(luò)，第一編碼網(wǎng)絡(luò)用于根據(jù)原圖像生成原圖像的本征向量和類別，生成網(wǎng)絡(luò)用于根據(jù)本征向量和類別生成重建圖像，第二編碼網(wǎng)絡(luò)用于根據(jù)重建圖像生成重建圖像的本征向量。孿生網(wǎng)絡(luò)部分基于原圖像的本征向量和對應(yīng)的重建圖像的本征向量來判斷原圖像和重建圖像之間的相似性，以確定是否存在局部異常。本發(fā)明還提供了對應(yīng)的訓(xùn)練方法以及利用該網(wǎng)絡(luò)來檢測輻射圖像中的局部異常的方法。

技術(shù)領(lǐng)域

本發(fā)明涉及輻射圖像、圖像理解、深度學(xué)習(xí)等領(lǐng)域，具體涉及用于檢測輻射圖像中的局部異常的網(wǎng)絡(luò)、方法、裝置和計(jì)算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

陸路口岸的走私夾帶問題一直以來是海關(guān)關(guān)注的重點(diǎn)。一些不法分子常將走私物品藏匿于集裝箱、箱式貨車、小汽車的車輪、發(fā)動(dòng)機(jī)、油箱等隱蔽位置。由于夾帶樣本種類復(fù)雜多樣、夾藏位置不易確定，導(dǎo)致利用安檢設(shè)備獲得的輻射圖像樣本難于收集。傳統(tǒng)檢測方法利用待測車輛與模板的差異性來判斷是否存在夾藏。但該方法受制于模板精度、采集設(shè)備與車型等多種因素的影響，常常效果不盡如人意。

發(fā)明內(nèi)容

鑒于現(xiàn)有技術(shù)存在的不足，本發(fā)明提供了一種用于車體局部異常檢測的網(wǎng)絡(luò)、方法、裝置和計(jì)算機(jī)可讀存儲介質(zhì)，其能夠顯著提高檢測輻射圖像中的局部異常的準(zhǔn)確性。

根據(jù)本發(fā)明的第一方面，提供了一種用于檢測輻射圖像中的局部異常的網(wǎng)絡(luò)，所述網(wǎng)絡(luò)包括：

重建網(wǎng)絡(luò)部分，包括第一編碼網(wǎng)絡(luò)E1、生成網(wǎng)絡(luò)G、判別網(wǎng)絡(luò)D和第二編碼網(wǎng)絡(luò)E2，第一編碼網(wǎng)絡(luò)E1用于根據(jù)原圖像x生成原圖像x的本征向量z和類別c，生成網(wǎng)絡(luò)G用于根據(jù)本征向量z和類別c生成重建圖像第二編碼網(wǎng)絡(luò)E2主要用于對重建圖像進(jìn)行編碼，獲取其本征向量以及

孿生網(wǎng)絡(luò)部分，基于原圖像x的本征向量z和對應(yīng)的重建圖像的本征向量來判斷原圖像x和重建圖像之間的相似性，以確定是否存在局部異常。

在一個(gè)實(shí)施例中，第一編碼網(wǎng)絡(luò)E1和第二編碼網(wǎng)絡(luò)E2的模型可以是相同的。

在一個(gè)實(shí)施例中，孿生網(wǎng)絡(luò)部分根據(jù)原圖像x的本征向量z和對應(yīng)的重建圖像的本征向量產(chǎn)生特征對，并且根據(jù)特征對的差異性度量來確定是否存在局部異常。例如，該差異性度量可以是歐式度量等。

在一個(gè)實(shí)施例中，重建網(wǎng)絡(luò)部分可以通過無局部異常的輻射圖像來訓(xùn)練。

在一個(gè)實(shí)施例中，孿生網(wǎng)絡(luò)部分在重建網(wǎng)絡(luò)部分的訓(xùn)練完成后，通過含局部異常的輻射圖像和無局部異常的輻射圖像來訓(xùn)練。

根據(jù)本發(fā)明的第二方面，還提供了一種用于如本發(fā)明第一方面所述的網(wǎng)絡(luò)的訓(xùn)練方法，該方法包括：使用無局部異常的圖像和損失函數(shù)L來訓(xùn)練所述重建網(wǎng)絡(luò)部分，

L＝L_Re+L_D+L_C+L_En

其中，L_Re表示重建圖像和原圖像的L1范數(shù)，L_D表示原圖像x與重建圖像經(jīng)過判別網(wǎng)絡(luò)D得到的中間特征差的L2范數(shù)，L_C表示第一編碼網(wǎng)絡(luò)E1的分類函數(shù)，L_En表示本征向量z和本征向量的L1范數(shù)。

在一個(gè)實(shí)施例中，定義上述各項(xiàng)如下

L_C＝-E_x～P[logP(c|x)]

其中，f是判別網(wǎng)絡(luò)D的作用函數(shù)，E_x～P表示符合P分布的x的期望，P(c|x)表示x屬于c分類的概率密度。