[發明專利]基于深度特征融合網絡的變化檢測方法

在審

• 申請號: 202011098747.7
• 申請日: 2020-10-14
• 公開（公告）號: CN112232187A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 劉超;池明旻;藍凌翔
• 申請（專利權）人: 北京北斗天巡科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 謝建

1.基于深度特征融合網絡的變化檢測方法，其特征在于，包括如下步驟：

步驟1：給定一對輸入圖像，并進行適合的變化檢測數據增強，使用ResNet-50分別提取圖像特征f₁及f₂，計算特征的差異信息f_d；

步驟2：對于像素級的檢測，針對步驟1中提取的差異特征f_d，利用不同的池化操作將其縮小至4中不同尺寸的特征f_a、f_b、f_c和f_d，利用反卷積將4個不同尺寸的特征還原至原始尺寸，并結合差異特征f_d，最后進行卷積操作得到原始的尺寸的預測；

步驟3：對于目標級的檢測，針對步驟1中提取的差異特征f_d，利用候選框生成網絡RPN生成不同的候選框，包含屬性b≡(b_x，b_y，b_w，b_h)，對給定數據集(b，g)進行預測，其中b為預測結果，g為真實結果，通過一級聯回歸器對候選框位置進行回歸:

f(x,b)＝f_T*f_T-1*…*f₁(x,b)

其中，T為級聯的次數，根據上式，對候選框進行T次級聯回歸，對每一次t候選框位置計算損失，其中包含一個分類器h_t和一個回歸器f_t，對下式進行最小優化：

L(x^t,g)＝L_cls(h_t(x^t),y^t)+[y^t≥1]L_loc(f_t(x^t,b^t),g)

其中，L_cls為類別的交叉熵損失，L_loc為L₂距離損失，b_t＝f_t-1(x^t-1,b^t-1)，[]為指示函數，y需要滿足大于IoU否則預測失敗為0，如下式：

y＝g_yif IoU(x,g)u else 0

對于L_cls滿足IoU條件的情況下計算類別損失，如下式：

L_cls(h(x),y)＝∑_u∈UL_cls(h_u(x),y_u)

選擇不同的閾值u∈{0.5，0.55，…，0.75}進行多次級聯回歸，計算候選框的位置b。