[發(fā)明專利]一種背景重建方法、裝置、計算設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010839729.3
• 申請日: 2020-08-19
• 公開（公告）號: CN112085671A
• 公開（公告）日: 2020-12-15
• 發(fā)明（設(shè)計）人: 宋波
• 申請（專利權(quán)）人: 北京影譜科技股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 北京萬思博知識產(chǎn)權(quán)代理有限公司 11694
• 代理人: 高鎮(zhèn)

1.一種背景重建方法，包括：

S1、利用損失函數(shù)L_ini訓練CNN模型，并將待處理圖像I輸入到訓練后的CNN模型中，其中，

L_ini＝L_rec+L_FR

Φ_i表示在ImageNet數(shù)據(jù)集預訓練的VGG-19網(wǎng)絡(luò)特征在conv(i_2)層的特征，I_B是真實背景圖像，λ₁、λ₂、λ₃為超參，F(xiàn)₁表示所述的CNN，I表示所述CNN模型的輸入；

S2、在置信圖上運行K-means聚類過程，以生成自適應(yīng)閾值ξ，所述置信圖的表達式為：

其中，G_I表示真實圖片的梯度分布，B_ini＝F₁(I)，ε為常數(shù)，M為掩模，對于圖像I中邊緣梯度值大于1的像素，M的值為1，對于圖像I中邊緣梯度值小于1的像素，M的值為0；

S3、將圖像I、反射強度梯度E_B和背景強度梯度E_R聯(lián)合起來形成輸入z，并將所述輸入z輸入到GAN模型進行背景重建，其中，

E_R＝E_I·(C_rf＞ξ)；E_B＝E_I·(C_rf＜ξ)

E_I為圖像I中強度梯度大于1的像素的強度。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的GAN模型在訓練過程中使用的損失函數(shù)為：

其中，F(xiàn)₂指代所述的GAN模型，D是鑒別器，用于推斷背景F₂(I)和真實背景I_B之間的相似度。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述鑒別器D通過最小化損失函數(shù)L_adv來進行訓練：

L_adv＝D(F₂(z))-D(I_B)。

4.根據(jù)權(quán)利要求1-3中任一項所述的方法，其特征在于，所述的λ₁、λ₂、和λ₃的值分別為3、0.4和3。

5.根據(jù)權(quán)利要求2-4中任一項所述的方法，其特征在于，所述的λ₄的值為0.05。