[發(fā)明專利]基于多尺度深度特征差值融合網(wǎng)絡(luò)的變化檢測方法有效
| 申請?zhí)枺?/td> | 201910596151.0 | 申請日： | 2019-07-03 |
| 公開（公告）號(hào)： | CN110472634B | 公開（公告）日： | 2023-03-14 |
| 發(fā)明（設(shè)計(jì)）人： | 黃睿;周末 | 申請（專利權(quán)）人： | 中國民航大學(xué) |
| 主分類號(hào)： | G06V10/46 | 分類號(hào)： | G06V10/46;G06V10/764 |
| 代理公司： | 天津市北洋有限責(zé)任專利代理事務(wù)所 12201 | 代理人： | 李林娟 |
| 地址： | 300300 天*** | 國省代碼： | 天津;12 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 尺度 深度 特征 差值 融合 網(wǎng)絡(luò) 變化 檢測 方法 | ||
1.一種基于多尺度深度特征差值融合網(wǎng)絡(luò)的變化檢測方法，其特征在于，所述方法包括：
基于孿生卷積神經(jīng)網(wǎng)絡(luò)，對Dec階段的圖像深度特征用Enc模塊進(jìn)行內(nèi)編碼處理；對多尺度的圖像深度特征進(jìn)行交叉編碼處理；
使用兩通道的卷積層作用于多尺度的深度特征融合差異信息，獲取多尺度變化概率圖并拼接，得到預(yù)測變化概率圖；
分別計(jì)算多尺度變化概率圖以及預(yù)測變化概率圖的交叉熵?fù)p失函數(shù)，對損失函數(shù)進(jìn)行累加獲取最終的損失函數(shù)；
使用真值圖的變化區(qū)域?yàn)橹行模瑢斎雸D像和真值圖進(jìn)行裁剪和翻轉(zhuǎn)以此實(shí)現(xiàn)對訓(xùn)練數(shù)據(jù)的擴(kuò)展，構(gòu)建成多尺度深度特征差值的融合網(wǎng)絡(luò)；
根據(jù)擴(kuò)展后的訓(xùn)練數(shù)據(jù)訓(xùn)練融合網(wǎng)絡(luò)，輸入查詢圖像和參考圖像，輸出變化檢測結(jié)果；
其中，所述對Dec階段的圖像深度特征用Enc模塊進(jìn)行內(nèi)編碼處理具體為：
從Dec5階段開始，使用Enc模塊對每一階段上采樣并與前一階段特征進(jìn)行融合，分別由Enc5-Enc1階段的內(nèi)編碼產(chǎn)生五種尺度的深度特征融合信息；
所述對多尺度的圖像深度特征進(jìn)行交叉編碼處理具體為：
對變化前后兩張圖像在內(nèi)編碼階段產(chǎn)生的多尺度深度特征融合信息進(jìn)行對應(yīng)尺度求差，得到多尺度深度特征差異圖；
使用Enc模塊對每種尺度的深度特征差異圖進(jìn)行上采樣并與前一層深度特征差異圖進(jìn)行融合，分別由Encxy5-Encxy1階段的交叉編碼產(chǎn)生深度特征融合差異信息；
所述孿生卷積神經(jīng)網(wǎng)絡(luò)具體為：
將VGG16的全連層模塊FC6和FC7移除，將CONV1-CONV5分別命名為Dec1-Dec5，分別從查詢圖像和參考圖像上提取圖像的深度特征。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國民航大學(xué)，未經(jīng)中國民航大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910596151.0/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
