[發明專利]地物類型變化的識別、模型訓練方法、裝置、設備及介質

在審

• 申請號: 202110075692.6
• 申請日: 2021-01-20
• 公開（公告）號: CN112784732A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 鄭弘暉;龍翔;彭巖;賈壯;馮原;張濱;王曉迪;辛穎;韓樹民
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京鴻德海業知識產權代理有限公司 11412
• 代理人: 田宏賓

1.一種地物類型變化的識別方法，包括：

獲取指定區域的第一圖像和所述指定區域的第二圖像；

根據所述第一圖像和所述第二圖像，采用預先訓練的地物類型變化識別模型，生成所述第二圖像相對所述第一圖像的地物變化圖像，所述地物變化圖像包括至少一個像素，所述至少一個像素中各像素對應一個地物類型變化參數；

根據所述各像素所對應的地物類型變化參數，確定所述第二圖像相對所述第一圖像的地物變化區域，以及所述地物變化區域變化前后的地物類型。

2.根據權利要求1所述的方法，其中，所述根據所述第一圖像和所述第二圖像，采用預先訓練的地物類型變化識別模型，生成所述第二圖像相對所述第一圖像的地物變化圖像，包括：

基于所述第一圖像，采用所述地物類型變化識別模型中的特征提取網絡，提取第一圖像特征，以及基于第二圖像，采用所述地物類型變化識別模型中的特征提取網絡，提取第二圖像特征；

基于所述第一圖像特征和所述第二圖像特征，采用所述地物類型變化識別模型中的特征融合網絡，進行特征融合處理，以獲得融合特征；

基于所述融合特征，采用所述地物類型變化識別模型中的特征映射網絡，進行映射處理，以獲得所述第二圖像相對所述第一圖像的地物變化圖像。

3.根據權利要求1所述的方法，其中，所述根據所述各像素所對應的地物類型變化參數，確定所述第二圖像相對所述第一圖像的地物變化區域，以及所述地物變化區域變化前后的地物類型，包括：

根據所述各像素所對應的地物類型變化參數，確定所述第一圖像中與所述各像素對應位置所屬地物在所述第二圖像中與所述各像素對應位置是否發生變化，以及該位置發生變化前后的地物類型；

根據所述第一圖像中與所述各像素對應位置所屬地物在所述第二圖像中與所述各像素對應位置是否發生變化，以及該位置發生變化前后的地物類型，確定所述第二圖像相對所述第一圖像的地物變化區域，以及所述地物變化區域變化前后的地物類型。

4.根據權利要求1-3中任一項所述的方法，其中，所述根據所述各像素所對應的地物類型變化參數，確定所述第二圖像相對所述第一圖像的地物變化區域，以及所述地物變化區域變化前后的地物類型，包括：

根據所述各像素所對應的地物類型變化參數，利用預先設置的地物類型變化參數與地物發生變化前后的地物類型之間的對應關系，獲得所述各像素所對應的地物類型變化參數所對應的地物發生變化前后的地物類型；

根據所述各像素所對應的地物類型變化參數所對應的地物發生變化前后的地物類型，確定所述第二圖像相對所述第一圖像的地物變化區域，以及所述地物變化區域變化前后的地物類型。

5.一種地物類型變化識別模型的訓練方法，包括：

獲取訓練數據集，所述訓練數據集中各訓練數據中包括訓練區域的第一圖像和所述第一圖像中各像素所屬地物的標注結果、以及所述訓練區域的第二圖像和所述第二圖像中各像素所屬地物的標注結果；

基于神經網絡，構建地物類型變化識別模型；

利用所述訓練數據集，訓練所述地物類型變化識別模型，使得所述地物類型變化識別模型學習所述第二圖像相對所述第一圖像的地物變化區域，以及所述地物變化區域變化前后的地物類型的能力；其中，所述地物類型變化識別模型的訓練目標包括：最小化所述地物類型變化識別模型的輸出結果與各訓練數據中的標注結果的差異。

6.根據權利要求5所述的方法，其中，所述基于神經網絡，構建地物類型變化識別模型，包括：

基于神經網絡，構建由特征提取網絡、特征融合網絡和特征映射網絡所組成的神經網絡模型；其中，

所述特征提取網絡，用于根據所述第一圖像，提取第一圖像特征，以及根據第二圖像，提取第二圖像特征；

所述特征融合網絡，用于基于所述第一圖像特征和所述第二圖像特征，進行特征融合處理，以獲得融合特征；

所述特征映射網絡，用于根據所述融合特征，進行映射處理，以獲得所述第二圖像相對所述第一圖像的地物變化圖像，所述地物變化圖像包括至少一個像素，所述至少一個像素中各像素對應一個地物類型變化參數，用于指示所述第二圖像相對所述第一圖像的地物變化區域，以及所述地物變化區域變化前后的地物類型。