(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210491651.X (22)申请日 2022.05.07 (71)申请人 网易 （杭州） 网络有限公司 地址 310052 浙江省杭州市滨江区网商路 599号网易大厦 (72)发明人 吴迪　徐博磊　叶均杰　 (74)专利代理 机构 北京律智知识产权代理有限 公司 11438 专利代理师 王辉 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01)G06V 10/762(2022.01) (54)发明名称 图像异常检测方法及装置、 存储介质、 电子 设备 (57)摘要 本公开属于图像处理技术领域， 涉及一种图 像异常检测方法及装置、 存储介质、 电子设备。 该 方法包括： 获取正常样本， 并提取正常样本的图 像块特征建立正样本特征库； 获取待测图像的待 测特征， 并计算待测特征与正样 本特征库中的 图 像块特征之间的特征距离； 对特征距离进行异常 得分计算得到待测图像的异常得分， 并根据异常 得分确定待测图像的异常检测结果。 本公开避免 了样本极度不平 衡问题， 解决了样 本采集过程中 带来的泛化性能弱的问题， 提升了不同应用场景 下的异常检测方法的通用性， 解决了样本采集和 数据标注带来的人力成本过度消耗问题， 适用于 任意尺寸待测图像的异常检测， 提升了图像异常 检测的准确性， 也使 得异常检测方式具备高召回 率和强适应性。 权利要求书3页 说明书27页 附图15页 CN 114820540 A 2022.07.29 CN 114820540 A 1.一种图像异常检测方法， 其特 征在于， 所述方法包括： 获取正常样本， 并提取 所述正常样本的图像块特 征建立正样本特 征库； 获取待测图像的待测特征， 并计算所述待测特征与所述正样本特征库中的图像块特征 之间的特 征距离； 对所述特征距离进行异常得分计算得到所述待测图像的异常得分， 并根据所述异常得 分确定所述待测图像的异常检测结果。 2.根据权利要求1所述的图像异常检测方法， 其特征在于， 所述提取所述正常样本的图 像块特征建立正样本特 征库， 包括： 利用卷积神经网络提取所述正常样本的图像块特征， 以利用所述图像块特征建立正样 本特征库。 3.根据权利要求2所述的图像异常检测方法， 其特征在于， 所述利用卷积神经网络提取 所述正常样本的图像块特 征， 以利用所述图像块特 征建立正样本特 征库， 包括： 利用卷积神经网络 中的残差网络提取所述正常样本的图像块特征， 以利用所述图像块 特征建立正样本特 征库。 4.根据权利要求3所述的图像异常检测方法， 其特征在于， 所述利用卷积神经网络 中的 残差网络提取所述正常样本的图像块特征， 以利用所述图像块特征建立正样本特征库， 包 括： 对所述正常样本进行三组卷积运算得到第 一特征图， 并对所述第 一特征图进行多层卷 积运算得到第二特 征图； 对所述第一特征图和所述第 二特征图进行特征通道融合得到图像块特征， 并利用所述 图像块特 征建立正样本特 征库。 5.根据权利要求1所述的图像异常检测方法， 其特征在于， 所述计算所述待测特征与 所 述正样本特 征库中的图像块特 征之间的特 征距离， 包括： 利用暴力检索算法计算所述待测特征与所述正样本特征库中的图像块特征之间的特 征距离。 6.根据权利要求5所述的图像异常检测方法， 其特征在于， 所述利用暴力检索算法计算 所述待测特 征与所述 正样本特 征库中的图像块特 征之间的特 征距离， 包括： 利用暴力检索算法计算所述待测特征与所述正样本特征库中的图像块特征之间的第 一欧式距离作为特 征距离。 7.根据权利要求1所述的图像异常检测方法， 其特征在于， 所述计算所述待测特征与 所 述正样本特 征库中的图像块特 征之间的特 征距离， 包括： 利用乘积量化算法计算所述待测特征与所述正样本特征库中的图像块特征之间的特 征距离。 8.根据权利要求7所述的图像异常检测方法， 其特征在于， 所述利用乘积量化算法计算 所述待测特 征与所述 正样本特 征库中的图像块特 征之间的特 征距离， 包括： 对所述正样本特征库中的图像块特征进行切分得到样本子空间， 并对所述样本子空间 进行编码得到编码标识； 对所述待测特征进行切分得到待测子空间， 并计算所述待测子空间与 所述样本子空间 之间的距离得到距离表；权　利　要　求　书 1/3 页 2 CN 114820540 A 2利用所述编码标识在所述距离表中查询子距离， 并对所述子距离进行距离汇总计算得 到特征距离。 9.根据权利要求8所述的图像异常检测方法， 其特征在于， 所述计算所述待测子空间与 所述样本 子空间之间的距离得到距离表， 包括： 计算所述待测子空间与所述样本子空间之间的第 二欧式距离， 并根据 所述第二欧式距 离生成距离表。 10.根据权利要求7所述的图像异常检测方法， 其特征在于， 所述计算所述待测特征与 所述正样本特 征库中的图像块特 征之间的特 征距离， 包括： 利用倒排乘积量化算法计算所述待测特征与所述正样本特征库中的图像块特征之间 的特征距离。 11.根据权利要求10所述的图像异常检测方法， 其特征在于， 所述利用倒 排乘积量化算 法计算所述待测特 征与所述 正样本特 征库中的图像块特 征之间的特 征距离， 包括： 对所述正样本特征库中的图像块特征进行聚类得到聚类中心， 并根据 所述待测特征在 所述聚类中心中确定目标聚类中心； 对所述待测特征和所述目标聚类中心进行残差计算得到残差向量， 并基于所述残差向 量， 利用所述乘积量化算法计算所述待测特征和所述正样本特征库中的图像块特征之 间的 特征距离。 12.根据权利要求11所述的图像异常检测方法， 其特征在于， 所述根据 所述待测特征在 所述聚类中心中确定目标聚类中心， 包括： 计算所述待测特征和所述聚类中心之间的第 三欧式距离， 并对所述第 三欧式距离进行 比较得到距离比较结果； 根据所述距离比较结果在所述聚类中心中确定目标聚类中心。 13.根据权利要求1所述的图像异常检测方法， 其特征在于， 所述对所述特征距离进行 异常得分计算得到所述待测图像的异常得分， 包括： 在所述待测图像的待测特征对应的特征距离 中确定初始距离， 并在所述初始距离 中确 定与所述 正样本特 征库关联的目标距离； 对所述目标距离进行计算得到异常权重， 并对所述异常权重和所述初始距离进行异常 得分计算得到异常得分。 14.根据权利要求13所述的图像异常检测方法， 其特征在于， 所述在所述待测图像的待 测特征对应的特 征距离中确定初始 距离， 包括： 对所述待测图像的待测特 征对应的特 征距离进行比较得到特 征比较结果； 根据所述特 征比较结果在所述待测图像的待测特 征对应的特 征距离中确定初始 距离。 15.根据权利要求13所述的图像异常检测方法， 其特征在于， 所述在所述初始距离 中确 定与所述 正样本特 征库关联的目标距离， 包括： 获取与所述初始距离对应的目标数量， 并对所述初始距离进行比较得到异常比较结 果； 基于所述目标数量， 根据所述异常比较结果在所述初始距离 中确定与 所述正样本特征 库关联的目标距离 。 16.根据权利要求1所述的图像异常检测方法， 其特征在于， 所述根据所述异常得分确权　利　要　求　书 2/3 页 3 CN 114820540 A 3