[发明专利]一种基于双向多级特征金字塔的阴影检测方法

权利要求书

1.一种基于双向多级特征金字塔的阴影检测方法，其特征在于，包括以下步骤：

S1、构建残差细化模块

通过将两个相邻层的特征图作为输入来逐步学习每一层的特征；

S2、构建加权特征融合模块

通过学习权重参数来充分利用不同尺度的特征；

S3、构建双向多级特征金字塔网络

通过两个不同方向的路径处理不同层的信息：一个是从深层到浅层，再利用得到的融合层进行浅层到深层的处理，另一个路径的方向则与之相反，再使用加权特征融合来融合两个方向的信息；

S4、进行模型训练

根据损失函数调整模型参数。

2.根据权利要求1所述的一种基于双向多级特征金字塔的阴影检测方法，其特征在于，所述步骤S1中，将两个相邻层的特征图作为输入，通过使用基于残差学习的模块产生的精炼输出特征F_r。

3.根据权利要求1所述的一种基于双向多级特征金字塔的阴影检测方法，其特征在于，所述步骤S1中，构建注意力模块，并使用注意力模块生成权重图；将学习的注意力图与乘以F，然后使用逐元素加法将其与F_r相加，从而获得残差细化模块的输出细化特征。

4.根据权利要求1所述的一种基于双向多级特征金字塔的阴影检测方法，其特征在于，所述步骤S2中，将两个方向特征金字塔的输出作为输入；输入的不同层调整为特征大小相同，且通道数也相同。

5.根据权利要求1所述的一种基于双向多级特征金字塔的阴影检测方法，其特征在于，所述步骤S2中，特征图经过1×1的卷积得到不同的权重；不同层的特征乘上权重参数相加作为最终的输出。

6.根据权利要求1所述的一种基于双向多级特征金字塔的阴影检测方法，其特征在于，所述步骤S3中，将卷积神经网络提取的不同分辨率的特征图像作为双向多级特征金字塔网络的输入。

7.根据权利要求1所述的一种基于双向多级特征金字塔的阴影检测方法，其特征在于，所述步骤S3中，将残差细化模块加入特征金字塔网络中，从两个方向对输入的特征图进行多级特征融合；将特征金字塔的结果输入加权融合模块中，得到最终输出。

8.根据权利要求1所述的一种基于双向多级特征金字塔的阴影检测方法，其特征在于，所述进行模型训练包括通过损失函数计算损失和根据损失调整模型参数。

9.根据权利要求8所述的一种基于双向多级特征金字塔的阴影检测方法，其特征在于，所述通过损失函数计算损失包括将双向多级特征金字塔网络的10个输出，以及融合后的一个输出，作为监督项，对每一项进行二元交叉熵计算，结果相加作为损失。