[发明专利]基于语义分割和孪生神经网络的无人机图像变化检测方法在审
| 申请号： | 201910185925.0 | 申请日： | 2019-03-12 |
| 公开（公告）号： | CN109934166A | 公开（公告）日： | 2019-06-25 |
| 发明（设计）人： | 周虹君;陈佩;郑慧诚;沈伟 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 陈伟斌 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于多时相无人机图像变化检测技术领域，更具体地，涉及基于语义分割和孪生神经网络的无人机图像变化检测方法。包括以下步骤：S1.扩展数据集并划分数据集；S2.搭建基于语义分割框架DeeplabV3和孪生网络结合的深度神经网络模型；S3.利用训练数据集训练基于DeeplabV3的孪生神经网络模型；S4.基于测试数据集和训练后的模型，验证训练结果。本发明结合了语义分割的思想，并利用孪生网络权值共享特点，有利于提取有现实含义的特征，考虑像素间的语义关系和变化区域的多尺度问题，并解决噪声敏感、变化检测精度较低等问题，提高差异图的质量和鲁棒性。 | ||
| 搜索关键词： | 变化检测 语义分割 无人机图像 神经网络模型 神经网络 测试数据集 训练数据集 变化区域 扩展数据 网络结合 训练结果 语义关系 差异图 多尺度 鲁棒性 数据集 网络权 像素 噪声 验证 共享 敏感 | ||
【主权项】：
1.一种基于语义分割和孪生神经网络的无人机图像变化检测方法，其特征在于，包括以下步骤：S1.扩展数据集并划分数据集；S2.搭建基于语义分割框架DeeplabV3和孪生网络结合的深度神经网络模型；S3.利用训练数据集训练基于DeeplabV3的孪生神经网络模型；S4.基于测试数据集和训练后的模型，验证训练结果。
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中山大学，未经中山大学许可，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/201910185925.0/，转载请声明来源钻瓜专利网。
