[发明专利]基于深度学习的目标差异性检测方法和目标差异性检测设备有效
| 申请号： | 201710111731.7 | 申请日： | 2017-02-28 |
| 公开（公告）号： | CN108509963B | 公开（公告）日： | 2023-04-28 |
| 发明（设计）人： | 韩颖婕 | 申请（专利权）人： | 株式会社日立制作所 |
| 主分类号： | G06V20/52 | 分类号： | G06V20/52;G06V20/40;G06V40/10;G06V10/74;G06V10/82;G06N3/084;G06N3/0464 |
| 代理公司： | 上海华诚知识产权代理有限公司 31300 | 代理人： | 肖华 |
| 地址： | 日本国东京都千*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于深度学习的目标差异性检测方法和目标差异性检测设备。该方法包括：通过训练好的网络模型，对第一目标图像进行第一前向传播以计算第一特征向量并记录网络模型的第一状态值，对第二目标图像进行第二前向传播以计算第二特征向量并记录网络模型的第二状态值；根据第一和第二特征向量，判断第一目标图像与第二目标图像是否相似；当判断两者相似时，根据第一和第二特征向量，计算差异向量；以及将差异向量作为梯度，通过具有第一状态值的网络模型进行第一反向传播以获得第一差异热力图，通过具有第二状态值的网络模型进行第二反向传播以获得第二差异热力图。通过采用本发明，能够有效地检测出相似目标之间的差异性。 | ||
| 搜索关键词： | 基于 深度 学习 目标 差异性 检测 方法 设备 | ||
【主权项】：
1.一种基于深度学习的目标差异性检测方法，其特征在于，所述检测方法包括以下步骤：通过训练好的网络模型，对第一目标图像进行第一前向传播，以计算所述第一目标图像的第一特征向量，并且记录所述训练好的网络模型的每个网络节点在所述第一前向传播中获得的第一状态值；通过所述训练好的网络模型，对第二目标图像进行第二前向传播，以计算所述第二目标图像的第二特征向量，并且记录所述训练好的网络模型的每个网络节点在所述第二前向传播中获得的第二状态值；根据计算出的所述第一特征向量和所述第二特征向量，判断所述第一目标图像与所述第二目标图像是否相似；当判断所述第一目标图像与所述第二目标图像相似时，根据计算出的所述第一特征向量和所述第二特征向量，来计算差异向量；将计算出的所述差异向量作为梯度，通过所述每个网络节点具有所述第一状态值的所述训练好的网络模型，进行第一反向传播，以获得所述第一目标图像的第一差异热力图；以及将计算出的所述差异向量作为梯度，通过所述每个网络节点具有所述第二状态值的所述训练好的网络模型，进行第二反向传播，以获得所述第二目标图像的第二差异热力图。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于株式会社日立制作所，未经株式会社日立制作所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710111731.7/，转载请声明来源钻瓜专利网。
