数据集构建、模型训练、异常检测方法及其装置

本发明提供的数据集构建、模型训练、异常检测方法及其装置，属于人工智能技术领域，包括：将正样本图像输入至图像分割模型，获取图像分割模型输出的掩膜图像，将掩膜图像进行几何变换操作后得到新增掩膜图像在样本图像中替换上述任一掩膜图像生成负图像样本。本发明利用图像分割模型获取掩膜图像、对掩膜图像进行几何变换生成负样本图像，并最终构建异常检测数据集，直接利用正样本图像生成负样本图像，无需额外标注或预处理，提高了数据集构建效，自动化生成负样本的过程避免了传统方法中人工标注或寻找实际缺陷样本的繁琐步骤，进一步提升了效率，增强了数据集的代表性和实用性，有助于提升模型的检测性能和准确性。