一种基于并行可变窗口卷积神经网络的数据配准方法

本发明公开了一种基于并行可变窗口卷积神经网络的数据配准方法，包括步骤：S1、构造卷积神经网络的模型并构造多头相似度模块为输出，设置整体损失函数并进行训练；S2、分别使用待配准数据大小的多个不同大小的窗口遍历量测数据，将结果并行输入到模型中；S3、由卷积神经网络计算各窗口的特征向量的相似度，确定备选区域；S4、将备选区域作为中心再遍历，算出余弦相似度，将余弦相似度最高的区域作为配准区域。本发明通过改进卷积神经网络结构，使其和相似度计算结合，构造出数据匹配效果强大的结构；还结合窗口变化、初次计算相似度的粗调、再次计算余弦相似度的二次精细化调整，提升计算准确性；还支持并行数据处理，提高处理效率。