1.一种用于检测辐射图像中的局部异常的方法，所述方法包括：将包括车体局部辐射图像的待测图像代入用于检测辐射图像中的局部异常的网络中的重建网络部分，以生成重建图像；以及将所述待测图像和所述重建图像代入所述网络中的孪生网络部分，以确定所述待测图像是否包含异常，其中所述重建网络部分包括第一编码网络E1、生成网络G、判别网络D和第二编码网络E2，所述第一编码网络E1用于根据原图像x生成原图像x的本征向量z和类别c，所述生成网络G用于根据本征向量z和所述类别c生成重建图像 所述第二编码网络E2用于根据所述重建图像 生成重建图像 的本征向量 所述孪生网络部分基于所述原图像x的本征向量z和对应的所述重建图像 的本征向量 来判断所述原图像x和所述重建图像 之间的相似性，以确定是否存在局部异常。
2.根据权利要求1所述的方法，其中，所述第一编码网络E1和所述第二编码网络E2的模型相同。
3.根据权利要求1所述的方法，其中，所述孪生网络部分根据所述原图像x的本征向量z和对应的所述重建图像 的本征向量 产生特征对，并且根据特征对的差异性度量来确定是否存在局部异常。
4.根据权利要求1所述的方法，其中，所述重建网络部分通过无局部异常的辐射图像来训练。
5.根据权利要求4所述的方法，其中，所述孪生网络部分在所述重建网络部分的训练完成后通过含局部异常的辐射图像和无局部异常的辐射图像来训练。
6.根据权利要求4所述的方法，包括：使用无局部异常的图像和损失函数L来训练所述重建网络部分，L＝L Re +L D +L C +L En其中，L Re 表示重建图像和原图像的L1范数，L D 表示原图像x与重建图像 经过判别网络D得到的中间特征差的L2范数，L C 表示第一编码网络E1的分类函数，L En 表示本征向量z和本征向量 的L1范数。
7.根据权利要求6所述的方法，其中，L C ＝-E x～P [logP(c|x)]其中，f是判别网络D的作用函数，E x～P 表示符合P分布的x的期望，P(c|x)表示x属于c分类的概率密度。
8.根据权利要求5所述的方法，包括：使用含局部异常的图像和无局部异常的图像以及损失函数Loss来训练所述孪生网络部分，Loss＝(1-y i,j )D(f i ,f j )+y i,j ·max(0,m-D(f i ,f j ))，其中，D(f i ,f j )表示由原图像和重建图像经过所述孪生网络部分提取出来的特征对的距离，并且对于含局部异常的图像，y i,j ＝0，而对于无局部异常的图像，y i,j ＝1，m为预先定义的阈值。
9.一种计算机可读存储介质，其上存储有指令，所述指令在被处理器执行时，使得所述处理器实施如权利要求1至8中任一项所述的方法。
10.一种电子装置，包括：处理器；和存储器，存储有计算机可读代码，当所述计算机可读代码被所述处理器执行时，使得所述处理器实施如权利要求1至8中任一项所述的方法。
