摘要
提供了一种基于多层级特征自适应对齐网络的地物变化检测方法,可应用于计算机视觉技术领域。该方法包括:将参考图像和目标图像输入训练完成的多层级特征自适应对齐网络中,利用主干特征提取网络,对参考图像和目标图像进行深度特征提取得到参考特征与目标特征;利用特征逐级对齐架构,消除目标特征与参考特征中相同的地物特征之间的差异,得到目标重构特征;以及基于目标重构特征与参考特征,利用地物变化预测模块,得到地物变化检测结果。通过采用多级残差拟合的方法由粗到细逐级完成对两期图像相同地物特征自适应修正与对齐,逐渐消除相同地物特征的不一致性,解决了因纹理变化、偏移等导致预测虚警的问题,提高检测准确率。
技术关键词
多层级特征
对齐模块
特征提取网络
地物特征
深度特征提取
变化检测方法
图像
双线性插值算法
分类网络
重构
多头注意力机制
特征提取模块
变化检测装置
计算机视觉技术
处理器
积层
输入模块
系统为您推荐了相关专利信息
音视频
音频
数据采集模块
数据分析模块
背景噪声
特征提取网络
解码误差
动作控制方法
生成训练样本
估计误差
训练注意力
编码器模块
图像
多层感知器
模型构建方法
更新模型参数
通用特征
多层级特征
改进型卷积神经网络
多任务
评价方法
特征提取网络
交叉注意力机制
编码器模块
卷积神经网络学习