[发明专利]一种应用于变化检测任务的网络结构及方法

权利要求书

1.一种基于高低频信息的变化检测方法，基于由特征提取模块和度量学习模块构成的网络结构；特征提取模块设有两个，每个特征提取模块中设有一个特征提取网络，每个特征提取网络的权重参数共享；使用高低频的信息完成特征提取；在提取特征时，使用FCN和Resnet的基础架构，并在此基础上加上高低频信息；最后使用度量学习的方式并最终得到CD map，其特征在于，包括以下步骤：

(1)给定了两个input图片，分别来自于不同时间同一地点的两张图片，将上述两个input图片分别输入到两个权重共享的两个特征提取网络中；具体如下：

(101)使用FCN基础架构搭建以FCN为底的网络模型，在此基础上添加基于Resnet的Octave模块；

首先使用FCN作为基础架构，使用OctConv将图片分成了高低频的形式，并且舍去低频信息；使用一个Bottleneck作为Resnet的一部分，共四块Resnet完成对特征的下采样；

在完成下采样之后，对低频信息中的图片进行上采样，在上采样之后，设置超参数α表示被丢弃的信息的比例；

(102)使用度量学习模块完成对特征图到CD map的变化；给定特征图Y¹和Y²，重新改变特征图大小，得到Z¹和Z²；根据Z¹和Z²计算两张特征图的欧式距离其中i，j分别表示图片的长度以及宽度，D则表示两张特征图之间的欧式距离，最后通过阈值的方式筛选出最终的CD map，当D_i,j1时，M_i,j为1，反之则M_i,j为0，M_i,j矩阵即为最终的输出结果，也就是图像中变化的部分；

(103)基于batch的平衡交叉熵损失，通过平衡交叉熵损失来平衡变化检测任务中存在的样本不平衡问题；

(2)输入图片在通过特征提取模块后，将输出特征图Y¹和Y²，对于特征图，通过度量学习模块进行相似度的对比，最后通过了度量学习模块后，得到变化检测任务中的CD map。