摘要
本申请公开了一种基于深度学习的图像对齐方法、系统、设备及存储介质,采用特征提取模块对两张待对齐图像进行特征提取,得到第一多尺度特征图和第二多尺度特征图;其中,特征提取模块采用两个权重共享的特征提取网络和循环特征金字塔网络进行构建得到;基于第一多尺度特征图和第二多尺度特征图,采用特征匹配模块计算每个尺度上的相似矩阵,得到最终相似矩阵;其中,特征匹配模块采用自注意力机制与交叉注意力机制进行构建得到;将最终相似矩阵输入至图像对齐模块,得到单应性矩阵;其中,图像对齐模块采用多个卷积块进行构建得到;根据单应性矩阵将两张待对齐图像进行单应性变换,得到对齐图像。本申请能够提高图像对齐的精确度和稳定性。
技术关键词
多尺度特征
图像对齐方法
特征金字塔网络
交叉注意力机制
特征提取模块
特征提取网络
对齐模块
语义信息提取
匹配模块
矩阵
计算机可执行指令
图像对齐设备
对齐系统
编码
数据获取单元
可读存储介质
样本
系统为您推荐了相关专利信息
脉冲耦合神经网络
重建算法
注意力
图像超分辨率重建
图像全局特征
客流统计系统
客流统计方法
双通道卷积神经网络
分析模块
客流预测
多模态特征融合
气象预警系统
反射率
识别方法
融合特征
优化卷积神经网络
长短期记忆模型
卷积神经网络模型
空间特征提取
电力系统虚假数据