一种无监督的快速图像异常检测与定位的方法

1.一种无监督的快速图像异常检测与定位的方法，其特征在于，包括：利用特征提取网络提取正常图像的特征图，并对特征图每个位置的特征向量进行L2范数归一化，得到正常图像的归一化特征向量；对正常图像的归一化特征向量进行非参数聚类，得到若干个簇，计算每个簇的平均向量作为正常图像特征的原型；在特征提取网络上附加一个特征L2范数归一化、一个1×1卷积层、一个通道最大池化操作和一个减法运算来构建图像异常检测与定位网络，并将正常图像的特征的原型作为1×1卷积层的卷积核参数，正常图像特征原型的数量即1×1卷积层的卷积核数量；将待检测图像输入构建好的图像异常检测与定位网络中，得到待检测图像的异常得分图；根据异常得分图判断待检测图像是否是异常图像，若是则进行异常定位。 2.根据权利要求1所述的一种无监督的快速图像异常检测与定位的方法，其特征在于，所述非参数聚类具体采用FINCH聚类算法。 3.根据权利要求2所述的一种无监督的快速图像异常检测与定位的方法，其特征在于，FINCH聚类停止的条件为：当一轮聚合得到的簇的数量小于设定阈值时聚合过程停止，把最后一轮聚类结果作为最终聚类结果。 4.根据权利要求1所述的一种无监督的快速图像异常检测与定位的方法，其特征在于，所述非参数聚类具体采用SCC聚类算法。 5.根据权利要求4所述的一种无监督的快速图像异常检测与定位的方法，其特征在于，SCC聚类停止的条件为：当一轮聚合得到的簇的数量小于设定阈值时聚合过程停止，把最后一轮聚类结果作为最终聚类结果。 6.根据权利要求1所述的一种无监督的快速图像异常检测与定位的方法，其特征在于，所述非参数聚类具体采用HDBSCAN聚类算法。 7.根据权利要求1所述的一种无监督的快速图像异常检测与定位的方法，其特征在于，异常得分图采用1减去特征图上各空间位置的归一化特征向量与离它最近的原型的余弦相似度计算得到；特征图上某个空间位置归一化特征向量的异常得分的计算式为：其中，x ij 是特征图空间位置(i,j)的归一化特征向量，m k 是第k个原型，cos表示余弦相似度。 8.根据权利要求7所述的一种无监督的快速图像异常检测与定位的方法，其特征在于，根据异常得分图进行异常定位的具体实现过程为：将异常得分图中的最大得分作为待检测图像的异常分数，若待检测图像的异常分数大于异常检测阈值，则判断待检测图像为异常图像；对于异常图像，通过异常定位阈值对得分图进行二值化实现待检测图像上的异常定位。