[发明专利]基于多尺度深度特征差值融合网络的变化检测方法有效
| 申请号： | 201910596151.0 | 申请日： | 2019-07-03 |
| 公开（公告）号： | CN110472634B | 公开（公告）日： | 2023-03-14 |
| 发明（设计）人： | 黄睿;周末 | 申请（专利权）人： | 中国民航大学 |
| 主分类号： | G06V10/46 | 分类号： | G06V10/46;G06V10/764 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 李林娟 |
| 地址： | 300300 天*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多尺度深度特征差值融合网络的变化检测方法，包括：基于孪生卷积神经网络，对Dec阶段的图像深度特征用Enc模块进行内编码处理；对多尺度的图像深度特征进行交叉编码处理；使用两通道的卷积层作用于多尺度的深度特征融合差异信息，获取多尺度变化概率图并拼接，得到预测变化概率图；分别计算多尺度变化概率图以及预测变化概率图的交叉熵损失函数，对损失函数进行累加获取最终的损失函数；使用真值图的变化区域为中心，对输入图像和真值图进行裁剪和翻转以此实现对训练数据的扩展，构建成多尺度深度特征差值的融合网络；根据扩展后的训练数据训练融合网络，输入查询图像和参考图像，输出变化检测结果。 | ||
| 搜索关键词： | 基于 尺度 深度 特征 差值 融合 网络 变化 检测 方法 | ||
【主权项】：
1.一种基于多尺度深度特征差值融合网络的变化检测方法，其特征在于，所述方法包括：/n基于孪生卷积神经网络，对Dec阶段的图像深度特征用Enc模块进行内编码处理；对多尺度的图像深度特征进行交叉编码处理；/n使用两通道的卷积层作用于多尺度的深度特征融合差异信息，获取多尺度变化概率图并拼接，得到预测变化概率图；/n分别计算多尺度变化概率图以及预测变化概率图的交叉熵损失函数，对损失函数进行累加获取最终的损失函数；/n使用真值图的变化区域为中心，对输入图像和真值图进行裁剪和翻转以此实现对训练数据的扩展，构建成多尺度深度特征差值的融合网络；/n根据扩展后的训练数据训练融合网络，输入查询图像和参考图像，输出变化检测结果。/n
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国民航大学，未经中国民航大学许可，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/201910596151.0/，转载请声明来源钻瓜专利网。
