模型输入尺寸确定方法及相关设备与流程

1.本技术涉及图像检测技术领域，尤其涉及一种模型输入尺寸确定方法及相关设备。


背景技术：

2.为了提高工业产品的品质，在对工业产品进行打包前，通常会对工业产品进行一定的瑕疵检测。在对产品进行整体检测时，当产品中的瑕疵较为细微，会导致难以检测到，从而降低对图像进行瑕疵检测的准确度。


技术实现要素：

3.鉴于以上内容，有必要提供一种模型输入尺寸确定方法及相关设备，能够检测出细微瑕疵的存在，从而提高瑕疵检测的准确度。
4.本技术的第一方面提供一种模型输入尺寸确定方法，所述模型输入尺寸确定方法包括：
5.获取测试图像集，所述测试图像集包括测试图像及瑕疵结果；
6.对所述测试图像进行编码处理，得到编码向量；
7.对所述编码向量进行解码处理，得到所述测试图像的重构图像，并比较所述重构图像与所述测试图像，得到所述测试图像的重构误差；
8.按照多个预设尺寸切分所述编码向量，得到每个预设尺寸对应的多个子向量；
9.将每个预设尺寸对应的多个子向量输入至预先训练好的高斯混合模型中，得到每个预设尺寸的多个子概率，并根据每个预设尺寸的多个子概率确定每个预设尺寸的估测概率；
10.根据每个预设尺寸的估测概率及所述重构误差确定每个预设尺寸的测试误差，并根据每个预设尺寸的测试误差及每个预设尺寸的误差阈值确定每个预设尺寸下的测试图像的检测结果；
11.根据每个预设尺寸的检测结果及所述瑕疵结果确定每个预设尺寸的准确度，并根据每个预设尺寸的准确度从所述多个预设尺寸中选取输入尺寸。
12.根据本技术可选实施例，所述对所述编码向量进行解码处理，得到所述测试图像的重构图像包括：
13.获取向量映射表；
14.根据所述向量映射表将所述编码向量映射为多个重构像素点；
15.组合所述多个重构像素点，得到所述重构图像。
16.根据本技术可选实施例，所述比较所述重构图像与所述测试图像，得到所述测试图像的重构误差包括：
17.从所述测试图像中提取与每个重构像素点对应的测试像素点；
18.比较每个重构像素点与对应的测试像素点，并确定与对应的测试像素点不同的重
构像素点的数量作为第一数量；
19.计算所述多个重构像素点的数量，得到第二数量；
20.将所述第一数量除以所述第二数量，得到所述重构误差。
21.根据本技术可选实施例，所述按照多个预设尺寸切分所述编码向量，得到每个预设尺寸对应的多个子向量包括：
22.按照每个预设尺寸对所述编码向量进行顺序切分，得到每个预设尺寸对应的多个子向量。
23.根据本技术可选实施例，所述将每个预设尺寸对应的多个子向量输入至预先训练好的高斯混合模型中，得到每个预设尺寸的多个子概率，并根据每个预设尺寸的多个子概率确定每个预设尺寸的估测概率包括：
24.获取所述高斯混合模型中的特征分布及混合系数；
25.根据所述特征分布确定平均值及协方差；
26.根据每个预设尺寸对应的多个子向量、所述混合系数、所述平均值及所述协方差确定每个预设尺寸的多个子概率；
27.对每个预设尺寸的多个子概率进行乘积运算，得到每个预设尺寸的估测概率。
28.根据本技术可选实施例，所述根据每个预设尺寸的估测概率及所述重构误差确定每个预设尺寸的测试误差包括：
29.计算每个估测概率的对数值；
30.将每个对数值的相反数与所述重构误差进行加权和运算，得到每个预设尺寸的测试误差。
31.根据本技术可选实施例，所述根据每个预设尺寸的检测结果及所述瑕疵结果确定每个预设尺寸的准确度，并根据每个预设尺寸的准确度从所述多个预设尺寸中选取输入尺寸包括：
32.对于每个预设尺寸，将与所述瑕疵结果相同的检测结果确定为目标结果；
33.计算所述目标结果的目标数量，并计算所述检测结果的总数量；
34.将所述目标数量除以所述总数量，得到每个预设尺寸的准确度；
35.将取值最大的准确度确定为目标准确度，并将与所述目标准确度对应的预设尺寸确定为所述输入尺寸。
36.本技术的第二方面提供一种模型输入尺寸确定装置，所述模型输入尺寸确定装置包括：
37.获取单元，用于获取测试图像集，所述测试图像集包括测试图像及瑕疵结果；
38.编码单元，用于对所述测试图像进行编码处理，得到编码向量；
39.比较单元，用于对所述编码向量进行解码处理，得到所述测试图像的重构图像，并比较所述重构图像与所述测试图像，得到所述测试图像的重构误差；
40.切分单元，用于按照多个预设尺寸切分所述编码向量，得到每个预设尺寸对应的多个子向量；
41.确定单元，用于将每个预设尺寸对应的多个子向量输入至预先训练好的高斯混合模型中，得到每个预设尺寸的多个子概率，并根据每个预设尺寸的多个子概率确定每个预设尺寸的估测概率；
42.所述确定单元，还用于根据每个预设尺寸的估测概率及所述重构误差确定每个预设尺寸的测试误差，并根据每个预设尺寸的测试误差及每个预设尺寸的误差阈值确定每个预设尺寸下的测试图像的检测结果；
43.所述确定单元，还用于根据每个预设尺寸的检测结果及所述瑕疵结果确定每个预设尺寸的准确度，并根据每个预设尺寸的准确度从所述多个预设尺寸中选取输入尺寸。
44.本技术的第三方面提供一种电子设备，所述电子设备包括：
45.存储器，存储至少一个指令；及
46.处理器，执行所述存储器中存储的指令以实现所述模型输入尺寸确定方法。
47.本技术的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述模型输入尺寸确定方法。
48.由以上技术方案可以看出，本技术通过确定出适合瑕疵检测的模型输入尺寸，从而提高瑕疵检测的准确度。
附图说明
49.图1是本技术模型输入尺寸确定方法的较佳实施例的流程图。
50.图2是本技术模型输入尺寸确定装置的较佳实施例的功能模块图。
51.图3是本技术实现模型输入尺寸确定方法的较佳实施例的电子设备的结构示意图。
具体实施方式
52.为了使本技术的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本技术进行详细描述。
53.如图1所示，是本技术模型输入尺寸确定方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
54.所述模型输入尺寸确定方法应用于一个或者多个电子设备1中，所述电子设备1是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(application specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字信号处理器(digital signal processor，dsp)、嵌入式设备等。
55.所述电子设备1可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(personal digital assistant，pda)、游戏机、交互式网络电视(internet protocol television，iptv)、智能式穿戴式设备等。
56.所述电子设备1还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(cloud computing)的由大量主机或网络服务器构成的云。
57.所述电子设备1所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(virtual private network，vpn)等。
58.s10，获取测试图像集，所述测试图像集包括测试图像及瑕疵结果。
59.在本技术的至少一个实施例中，所述测试图像集中包括多张测试图像及每张测试图像的瑕疵结果。其中，所述测试图像中包括瑕疵检测对象，所述瑕疵结果包括有瑕疵及无瑕疵。
60.在本技术的至少一个实施例中，所述电子设备可以从配置库中获取所述测试图像集，其中，所述配置库中存储经过瑕疵检测后的图像。
61.s11，对所述测试图像进行编码处理，得到编码向量。
62.在本技术的至少一个实施例中，所述电子设备可以利用预先训练好的编码器对所述测试图像进行编码处理，得到所述编码向量。
63.其中，所述电子设备训练所述编码器的过程属于现有技术，本技术对此不再赘述。
64.在其他实施例中，所述电子设备可以利用自编码器(autoencoder,ae)中的编码器对所述测试图像进行编码处理，得到所述编码向量。其中，所述自编码器中的编码器包含多个隐层，所述多个隐层的数量可以根据应用场景任意设置。
65.具体地，所述电子设备利用自编码器中的编码器对所述测试图像进行编码处理，得到所述编码向量包括：
66.对所述测试图像进行向量化处理，得到所述测试图像的特征向量；
67.提取所述自编码器中编码器的隐层；
68.利用所述隐层对所述特征向量进行运算，得到所述编码向量。
69.具体地，所述电子设备利用所述隐层对所述特征向量进行运算，得到所述编码向量包括：
70.获取所述隐层的权重矩阵及偏置值；
71.将所述特征向量与所述权重矩阵进行相乘运算，得到运算结果；
72.将所述运算结果与所述偏置值进行相加运算，得到所述编码向量。
73.s12，对所述编码向量进行解码处理，得到所述测试图像的重构图像，并比较所述重构图像与所述测试图像，得到所述测试图像的重构误差。
74.在本技术的至少一个实施例中，通过所述向量映射表将所述编码向量转化为所述重构图像，因此，所述重构误差是指将所述测试图像转化为所述编码向量的误差。
75.在本技术的至少一个实施例中，所述电子设备对所述编码向量进行解码处理，得到所述测试图像的重构图像包括：
76.获取向量映射表；
77.根据所述向量映射表将所述编码向量映射为多个重构像素点；
78.组合所述多个重构像素点，得到所述重构图像。
79.其中，所述向量映射表中存储向量与像素点的映射关系。
80.通过所述向量映射表，能够准确生成所述重构图像。
81.在本技术的至少一个实施例中，所述电子设备比较所述重构图像与所述测试图像，得到所述测试图像的重构误差包括：
82.从所述测试图像中提取与每个重构像素点对应的测试像素点；
83.比较每个重构像素点与对应的测试像素点，并确定与对应的测试像素点不同的重构像素点的数量作为第一数量；
84.计算所述多个重构像素点的数量，得到第二数量；
85.将所述第一数量除以所述第二数量，得到所述重构误差。
86.通过确定所述重构误差，能够确定将所述测试图像转化为所述编码向量的误差，进而能够确定在将所述编码向量输入至模型之前产生的误差，从而能够避免干扰到模型输入尺寸的确定。
87.s13，按照多个预设尺寸切分所述编码向量，得到每个预设尺寸对应的多个子向量。
88.在本技术的至少一个实施例中，所述多个预设尺寸可以是维度为1*1*8的向量，也可以是维度为2*2*8的向量，所述多个预设尺寸的取值可以由用户设置。
89.在本技术的至少一个实施例中，所述电子设备按照多个预设尺寸切分所述编码向量，得到每个预设尺寸对应的多个子向量包括：
90.按照每个预设尺寸对所述编码向量进行顺序切分，得到每个预设尺寸对应的多个子向量。
91.例如：编码向量：维度为3*3*3的向量，预设尺寸为1*1*3，按照1*1*3对维度为3*3*3的向量进行顺序切分，得到9个维度为1*1*3的子向量。
92.s14，将每个预设尺寸对应的多个子向量输入至预先训练好的高斯混合模型(gaussian mixture model，gmm)中，得到每个预设尺寸的多个子概率，并根据每个预设尺寸的多个子概率确定每个预设尺寸的估测概率。
93.在本技术的至少一个实施例中，所述高斯混合模型中包括多个单高斯模型。
94.在本技术的至少一个实施例中，所述电子设备将每个预设尺寸对应的多个子向量输入至预先训练好的高斯混合模型中，得到每个预设尺寸的多个子概率，并根据每个预设尺寸的多个子概率确定每个预设尺寸的估测概率包括：
95.获取所述高斯混合模型中的特征分布及混合系数；
96.根据所述特征分布确定平均值及协方差；
97.根据每个预设尺寸对应的多个子向量、所述混合系数、所述平均值及所述协方差确定每个预设尺寸的多个子概率；
98.对每个预设尺寸的多个子概率进行乘积运算，得到每个预设尺寸的估测概率。
99.通过融合多个子向量的概率能够确定出具有多个子向量特征的估测概率。
100.s15，根据每个预设尺寸的估测概率及所述重构误差确定每个预设尺寸的测试误差，并根据每个预设尺寸的测试误差及每个预设尺寸的误差阈值确定每个预设尺寸下的测试图像的检测结果。
101.在本技术的至少一个实施例中，所述检测结果包括所述测试图像具有瑕疵、所述测试图像不具有瑕疵两种结果。
102.在本技术的至少一个实施例中，所述误差阈值是所述电子设备根据多张正样本图像确定的。
103.在本技术的至少一个实施例中，所述电子设备根据每个预设尺寸的估测概率及所述重构误差确定每个预设尺寸的测试误差包括：
104.计算每个估测概率的对数值；
105.将每个对数值的相反数与所述重构误差进行加权和运算，得到每个预设尺寸的测试误差。
106.例如：估测概率为0.001，重构误差为0.03，计算估测概率的对数值为：log(0.001)＝-3，计算对数值的相反数，得到值为3，计算3及0.03的加权和，当估测概率占测试误差的比例为10％，重构误差占测试误差的比例为90％，计算得到所述测试误差为：3*10％+0.03*90％＝0.327。
107.在本技术的至少一个实施例中，所述电子设备根据每个预设尺寸的测试误差及每个预设尺寸的误差阈值确定每个预设尺寸下的测试图像的检测结果包括：
108.当给定预设尺寸的测试误差小于对应的误差阈值时，将所述给定预设尺寸下的测试图像的检测结果确定为所述待检测图像无瑕疵；或者
109.当所述给定预设尺寸的测试误差大于或者等于对应的误差阈值时，将所述给定预设尺寸下的测试图像的检测结果确定为所述待检测图像有瑕疵。
110.通过所述测试误差与所述误差阈值进行比较，由于是从数值上对所述测试误差与所述误差阈值进行比较，因此，能够检测出所述待检测图像中是否具有瑕疵。
111.s16，根据每个预设尺寸的检测结果及所述瑕疵结果确定每个预设尺寸的准确度，并根据每个预设尺寸的准确度从所述多个预设尺寸中选取输入尺寸。
112.在本技术的至少一个实施例中，所述输入尺寸是指输入至所述高斯混合模型中进行概率确定的向量。
113.在本技术的至少一个实施例中，所述电子设备根据每个预设尺寸的检测结果及所述瑕疵结果确定每个预设尺寸的准确度，并根据每个预设尺寸的准确度从所述多个预设尺寸中选取输入尺寸包括：
114.对于每个预设尺寸，将与所述瑕疵结果相同的检测结果确定为目标结果；
115.计算所述目标结果的目标数量，并计算所述检测结果的总数量；
116.将所述目标数量除以所述总数量，得到每个预设尺寸的准确度；
117.将取值最大的准确度确定为目标准确度，并将与所述目标准确度对应的预设尺寸确定为所述输入尺寸。
118.例如：预设尺寸x为1*1*8、预设尺寸y为2*2*8、预设尺寸z为4*4*8，所述预设尺寸x中与瑕疵结果相同的检测结果(即：目标结果)有3个，所述预设尺寸y中的目标结果有6个，所述预设尺寸z中的目标结果有10个，检测结果的总数量为12个，经计算，所述预设尺寸x的准确度为25％，所述预设尺寸y的准确度为50％，所述预设尺寸z的准确度为83.3％，83.3％的取值最大，将83.3％确定为目标准确度，并将与83.3％对应的预设尺寸z确定为输入尺寸。
119.通过将准确度最高的预设尺寸确定为所述输入尺寸，有利于提高瑕疵检测的准确度。
120.由以上技术方案可以看出，本技术通过确定出适合瑕疵检测的模型输入尺寸，从而提高瑕疵检测的准确度。
121.如图2所示，是本技术模型输入尺寸确定装置的较佳实施例的功能模块图。所述模型输入尺寸确定装置11包括获取单元110、编码单元111、比较单元112、切分单元113及确定单元114。本技术所称的模块/单元是指一种能够被处理器13所获取，并且能够完成固定功能的一系列计算机程序段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
122.获取单元110获取测试图像集，所述测试图像集包括测试图像及瑕疵结果。
123.在本技术的至少一个实施例中，所述测试图像集中包括多张测试图像及每张测试图像的瑕疵结果。其中，所述测试图像中包括瑕疵检测对象，所述瑕疵结果包括有瑕疵及无瑕疵。
124.在本技术的至少一个实施例中，所述获取单元110可以从配置库中获取所述测试图像集，其中，所述配置库中存储经过瑕疵检测后的图像。
125.编码单元111对所述测试图像进行编码处理，得到编码向量。
126.在本技术的至少一个实施例中，所述编码单元111可以利用预先训练好的编码器对所述测试图像进行编码处理，得到所述编码向量。
127.其中，所述编码单元111训练所述编码器的过程属于现有技术，本技术对此不再赘述。
128.在其他实施例中，所述编码单元111可以利用自编码器(autoencoder,ae)中的编码器对所述测试图像进行编码处理，得到所述编码向量。其中，所述自编码器中的编码器包含多个隐层，所述多个隐层的数量可以根据应用场景任意设置。
129.具体地，所述编码单元111利用自编码器中的编码器对所述测试图像进行编码处理，得到所述编码向量包括：
130.对所述测试图像进行向量化处理，得到所述测试图像的特征向量；
131.提取所述自编码器中编码器的隐层；
132.利用所述隐层对所述特征向量进行运算，得到所述编码向量。
133.具体地，所述编码单元111利用所述隐层对所述特征向量进行运算，得到所述编码向量包括：
134.获取所述隐层的权重矩阵及偏置值；
135.将所述特征向量与所述权重矩阵进行相乘运算，得到运算结果；
136.将所述运算结果与所述偏置值进行相加运算，得到所述编码向量。
137.比较单元112对所述编码向量进行解码处理，得到所述测试图像的重构图像，并比较所述重构图像与所述测试图像，得到所述测试图像的重构误差。
138.在本技术的至少一个实施例中，所述比较单元112对所述编码向量进行解码处理，得到所述测试图像的重构图像包括：
139.获取向量映射表；
140.根据所述向量映射表将所述编码向量映射为多个重构像素点；
141.组合所述多个重构像素点，得到所述重构图像。
142.其中，所述向量映射表中存储向量与像素点的映射关系。
143.通过所述向量映射表，能够准确生成所述重构图像。
144.在本技术的至少一个实施例中，通过所述向量映射表将所述编码向量转化为所述重构图像，因此，所述重构误差是指将所述测试图像转化为所述编码向量的误差。
145.在本技术的至少一个实施例中，所述比较单元112比较所述重构图像与所述测试图像，得到所述测试图像的重构误差包括：
146.从所述测试图像中提取与每个重构像素点对应的测试像素点；
147.比较每个重构像素点与对应的测试像素点，并确定与对应的测试像素点不同的重
构像素点的数量作为第一数量；
148.计算所述多个重构像素点的数量，得到第二数量；
149.将所述第一数量除以所述第二数量，得到所述重构误差。
150.通过确定所述重构误差，能够确定将所述测试图像转化为所述编码向量的误差，进而能够确定在将所述编码向量输入至模型之前产生的误差，从而能够避免干扰到模型输入尺寸的确定。
151.切分单元113按照多个预设尺寸切分所述编码向量，得到每个预设尺寸对应的多个子向量。
152.在本技术的至少一个实施例中，所述多个预设尺寸可以是维度为1*1*8的向量，也可以是维度为2*2*8的向量，所述多个预设尺寸的取值可以由用户设置。
153.在本技术的至少一个实施例中，所述切分单元113按照多个预设尺寸切分所述编码向量，得到每个预设尺寸对应的多个子向量包括：
154.按照每个预设尺寸对所述编码向量进行顺序切分，得到每个预设尺寸对应的多个子向量。
155.例如：编码向量：维度为3*3*3的向量，预设尺寸为1*1*3，按照1*1*3对维度为3*3*3的向量进行顺序切分，得到9个维度为1*1*3的子向量。
156.确定单元114将每个预设尺寸对应的多个子向量输入至预先训练好的高斯混合模型(gaussian mixture model，gmm)中，得到每个预设尺寸的多个子概率，并根据每个预设尺寸的多个子概率确定每个预设尺寸的估测概率。
157.在本技术的至少一个实施例中，所述高斯混合模型中包括多个单高斯模型。
158.在本技术的至少一个实施例中，所述确定单元114将每个预设尺寸对应的多个子向量输入至预先训练好的高斯混合模型中，得到每个预设尺寸的多个子概率，并根据每个预设尺寸的多个子概率确定每个预设尺寸的估测概率包括：
159.获取所述高斯混合模型中的特征分布及混合系数；
160.根据所述特征分布确定平均值及协方差；
161.根据每个预设尺寸对应的多个子向量、所述混合系数、所述平均值及所述协方差确定每个预设尺寸的多个子概率；
162.对每个预设尺寸的多个子概率进行乘积运算，得到每个预设尺寸的估测概率。
163.通过融合多个子向量的概率能够确定出具有多个子向量特征的估测概率。
164.所述确定单元114根据每个预设尺寸的估测概率及所述重构误差确定每个预设尺寸的测试误差，并根据每个预设尺寸的测试误差及每个预设尺寸的误差阈值确定每个预设尺寸下的测试图像的检测结果。
165.在本技术的至少一个实施例中，所述检测结果包括所述测试图像具有瑕疵、所述测试图像不具有瑕疵两种结果。
166.在本技术的至少一个实施例中，所述误差阈值是所述确定单元114根据多张正样本图像确定的。
167.在本技术的至少一个实施例中，所述确定单元114根据每个预设尺寸的估测概率及所述重构误差确定每个预设尺寸的测试误差包括：
168.计算每个估测概率的对数值；
169.将每个对数值的相反数与所述重构误差进行加权和运算，得到每个预设尺寸的测试误差。
170.例如：估测概率为0.001，重构误差为0.03，计算估测概率的对数值为：log(0.001)＝-3，计算对数值的相反数，得到值为3，计算3及0.03的加权和，当估测概率占测试误差的比例为10％，重构误差占测试误差的比例为90％，计算得到所述测试误差为：3*10％+0.03*90％＝0.327。
171.在本技术的至少一个实施例中，所述确定单元114根据每个预设尺寸的测试误差及每个预设尺寸的误差阈值确定每个预设尺寸下的测试图像的检测结果包括：
172.当给定预设尺寸的测试误差小于对应的误差阈值时，将所述给定预设尺寸下的测试图像的检测结果确定为所述待检测图像无瑕疵；或者
173.当所述给定预设尺寸的测试误差大于或者等于对应的误差阈值时，将所述给定预设尺寸下的测试图像的检测结果确定为所述待检测图像有瑕疵。
174.通过所述测试误差与所述误差阈值进行比较，由于是从数值上对所述测试误差与所述误差阈值进行比较，因此，能够检测出所述待检测图像中是否具有瑕疵。
175.所述确定单元114根据每个预设尺寸的检测结果及所述瑕疵结果确定每个预设尺寸的准确度，并根据每个预设尺寸的准确度从所述多个预设尺寸中选取输入尺寸。
176.在本技术的至少一个实施例中，所述输入尺寸是指输入至所述高斯混合模型中进行概率确定的向量。
177.在本技术的至少一个实施例中，所述确定单元114根据每个预设尺寸的检测结果及所述瑕疵结果确定每个预设尺寸的准确度，并根据每个预设尺寸的准确度从所述多个预设尺寸中选取输入尺寸包括：
178.对于每个预设尺寸，将与所述瑕疵结果相同的检测结果确定为目标结果；
179.计算所述目标结果的目标数量，并计算所述检测结果的总数量；
180.将所述目标数量除以所述总数量，得到每个预设尺寸的准确度；
181.将取值最大的准确度确定为目标准确度，并将与所述目标准确度对应的预设尺寸确定为所述输入尺寸。
182.例如：预设尺寸x为1*1*8、预设尺寸y为2*2*8、预设尺寸z为4*4*8，所述预设尺寸x中与瑕疵结果相同的检测结果(即：目标结果)有3个，所述预设尺寸y中的目标结果有6个，所述预设尺寸z中的目标结果有10个，检测结果的总数量为12个，经计算，所述预设尺寸x的准确度为25％，所述预设尺寸y的准确度为50％，所述预设尺寸z的准确度为83.3％，83.3％的取值最大，将83.3％确定为目标准确度，并将与83.3％对应的预设尺寸z确定为输入尺寸。
183.通过将准确度最高的预设尺寸确定为所述输入尺寸，有利于提高瑕疵检测的准确度。
184.由以上技术方案可以看出，本技术通过确定出适合瑕疵检测的模型输入尺寸，从而提高瑕疵检测的准确度。
185.如图3所示，是本技术实现模型输入尺寸确定方法的较佳实施例的电子设备的结构示意图。
186.在本技术的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，
以及存储在所述存储器12中并可在所述处理器13上运行的计算机程序，例如模型输入尺寸确定程序。
187.本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
188.所述处理器13可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及获取所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
189.所述处理器13获取所述电子设备1的操作系统以及安装的各类应用程序。所述处理器13获取所述应用程序以实现上述各个模型输入尺寸确定方法实施例中的步骤，例如图1所示的步骤。
190.或者，所述处理器13执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如：
191.获取测试图像集，所述测试图像集包括测试图像及瑕疵结果；
192.对所述测试图像进行编码处理，得到编码向量，并对所述编码向量进行解码处理，得到所述测试图像的重构图像；
193.比较所述重构图像与所述测试图像，得到所述测试图像的重构误差；
194.按照多个预设尺寸切分所述编码向量，得到每个预设尺寸对应的多个子向量；
195.将每个预设尺寸对应的多个子向量输入至预先训练好的高斯混合模型中，得到每个预设尺寸的多个子概率，并根据每个预设尺寸的多个子概率确定每个预设尺寸的估测概率；
196.根据每个预设尺寸的估测概率及所述重构误差确定每个预设尺寸的测试误差，并根据每个预设尺寸的测试误差及每个预设尺寸的误差阈值确定每个预设尺寸下的测试图像的检测结果；
197.根据每个预设尺寸的检测结果及所述瑕疵结果确定每个预设尺寸的准确度，并根据所述准确度从所述多个预设尺寸中选取输入尺寸。
198.示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13获取，以完成本技术。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述电子设备1中的获取过程。例如，所述计算机程序可以被分割成获取单元110、编码单元111、比较单元112、切分单元113及确定单元114。
199.所述存储器12可用于存储所述计算机程序和/或模块，所述处理器13通过运行或获取存储在所述存储器12内的计算机程序和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其
中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器12可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
200.所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、tf卡(trans-flash card)等等。
201.所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器获取时，可实现上述各个方法实施例的步骤。
202.其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可获取文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
203.结合图1，所述电子设备1中的所述存储器12存储多个指令以实现一种模型输入尺寸确定方法，所述处理器13可获取所述多个指令从而实现：
204.获取测试图像集，所述测试图像集包括测试图像及瑕疵结果；
205.对所述测试图像进行编码处理，得到编码向量，并对所述编码向量进行解码处理，得到所述测试图像的重构图像；
206.比较所述重构图像与所述测试图像，得到所述测试图像的重构误差；
207.按照多个预设尺寸切分所述编码向量，得到每个预设尺寸对应的多个子向量；
208.将每个预设尺寸对应的多个子向量输入至预先训练好的高斯混合模型中，得到每个预设尺寸的多个子概率，并根据每个预设尺寸的多个子概率确定每个预设尺寸的估测概率；
209.根据每个预设尺寸的估测概率及所述重构误差确定每个预设尺寸的测试误差，并根据每个预设尺寸的测试误差及每个预设尺寸的误差阈值确定每个预设尺寸下的测试图像的检测结果；
210.根据每个预设尺寸的检测结果及所述瑕疵结果确定每个预设尺寸的准确度，并根据所述准确度从所述多个预设尺寸中选取输入尺寸。
211.具体地，所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
212.在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
213.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目
的。
214.另外，在本技术各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
215.因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本技术内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
216.此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本技术中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
217.最后应说明的是，以上实施例仅用以说明本技术的技术方案而非限制，尽管参照较佳实施例对本技术进行了详细说明，本领域的普通技术人员应当理解，可以对本技术的技术方案进行修改或等同替换，而不脱离本技术技术方案的精神和范围。