一种基于少样本扩散模型学习的异常图像生成方法及装置

本发明属于图像异常检测和图像生成领域，其公开了一种基于少样本扩散模型学习的异常图像生成方法及装置，解决现有异常图像生成方法存在的对异常样本特征提取和利用不充分、生成异常样本的准确性和逼真性不足的问题。本发明方案中，通过收集并制作异常图像和掩膜图，并在少样本条件下进行数据增广操作，获得数据集；构建用于提取异常区域的外观、位置以及语义信息的异常信息特征编码模型；并构建用于根据异常图像生成过程中生成的中间图像与正常图像样本在异常掩膜区域内的像素级差异来优化异常图像生成的特征自适应加权模型；基于潜在扩散模型、异常信息特征编码模型和特征自适应加权模型，构建端到端的扩散模型，最后利用数据集对扩散模型进行训练。