[发明专利]一种基于双流空洞卷积神经元网络的阴影检测方法

权利要求书

1.一种基于双流空洞卷积神经元网络的阴影检测方法，其特征在于，包括以下步骤：

步骤S1：将训练集中单幅图片按顺序以RGB三通道的形式输入设计好的网络；

步骤S2：图像输入网络首先分为两个通道操作，分别为池化通道和残差通道，其中：池化通道通过空洞卷积模块以编码器的形式进行下采样，逐步提取高维特征；残差通道由多个交叉流残差模块组成，通过空洞卷积模块进行卷积提取特征，并叠加上一层的特征图与对应池化通道的特征信息以保持低维特征；

步骤S3：将池化通道前四层得到的特征图一起送入多层级空洞池化模块，前三层得到的特征图按照不同扩张率的空洞卷积后池化为同样大小获得第一部分三层特征图，第四层的特征图进行全局平均池化后双线性插值成第一部分三层特征图池化后的大小以获得第二部分特征图，最后将四层特征图进行特征融合得到最终下采样部分的输出；

步骤S4：采用解码器的形式通过空洞卷积模块对多层级空洞池化模块的输出特征图进行与下采样过程完全对称的上采样，最后将图像上采样到与输入图像一样大小；

步骤S5：确定好网络的输入层、隐含层和输出层后，将数据集中的图像和标签按照上述步骤S1至步骤S4全部送入网络进行训练，标签为与图像同等大小并按照像素标记好阴影区域与非阴影区域的阴影二值图，训练轮数根据训练得到损失函数的收敛趋势决定，计算过程分为两步：第一步将样本的logits值记为x，将样本的logits值转换成概率第二步利用带有权重的交叉熵公式-z×∑y'×log(y)计算出损失值，式中，y'为标签，y为第一步计算的logits概率值，z为自定义的权重；

步骤S6：利用所保存的权重来测试需要检测的图像，将权重的参数确定之后，被检测图像输入网络后会输出阴影的特征图及非阴影的特征图，再通过argmax函数将两个特征图转化成一个检测出的阴影二值图。

2.根据权利要求1所述的一种基于双流空洞卷积神经元网络的阴影检测方法，其特征在于，步骤S2中，所选用的空洞卷积模块内部含有四层：第一层为卷积核为3×3的普通卷积；第二层为扩张率为3，卷积核大小为11×11的空洞卷积；第三层与第二层相同；第四层与第一层相同。

3.根据权利要求1所述的一种基于双流空洞卷积神经元网络的阴影检测方法，其特征在于，步骤S5中损失函数为weighted cross-entropyloss。

4.根据权利要求1所述的一种基于双流空洞卷积神经元网络的阴影检测方法，其特征在于，步骤S6中，单幅彩色图像输入设计好的网络之后输出阴影的特征图及非阴影的特征图，以数组的形式存储，argmax函数比较两幅特征图内对应像素检测值的大小，若该像素前景的数值大，则认为该像素为前景，即需要的阴影部分，标记为255，显示为阴影二值图中的白色部分，若该像素背景的数值大，则认为该像素为背景，即非阴影部分，标记为0，显示为阴影二值图中的黑色部分，以上述方法得到检测出的阴影二值图。