【技术实现步骤摘要】
自监督场景变化检测方法、系统及计算机可读介质
[0001]本专利技术的实施例涉及执行自监督的场景变化检测方法的计算机实现的网络，其中处理在不同时间实例处捕获的图像中的至少一个图像对，以检测由于图像对中的对象的出现或消失引起的结构变化，并且采用自监督预训练方法，该方法利用未标注的一个或多个图像对来学习场景变化检测的表示。
技术介绍
[0002]场景变化检测(scene change detection，SCD)是计算机视觉领域中的一个关键感知任务，其有助于识别在不同时间捕获的场景的图像之间的变化。它在现实世界的应用(如生态系统监测、城市扩张、遥感、损坏评估、以及汽车高清地图维护)中起至关重要的作用。基于深度神经网络(Deep Neural Network，DNN)的场景变化检测方法取决于大规模标注图像的可用性。这些图像和SCD数据集的大规模采集和标注由于是劳动密集的和耗时的，因此很难获得。
[0003]为了解决对标注数据的依赖性，现有技术中的各种SCD方法最初通过监督的方式在大规模ImageNet上预训练它们的模型，随...
【技术保护点】
【技术特征摘要】
1.一种计算机实现的网络中的一个或多个计算机处理器执行的自监督场景变化检测方法，所述方法包括：处理在不同时间实例处捕获的图像中的至少一个图像对，以检测由于所述图像对中的对象的出现或消失引起的结构改变；采用自监督预训练方法，所述自监督预训练方法利用未标注的对准图像对来学习场景变化检测的表示；以及使用基于差分的自监督深入训练方法对所述未标注的对准图像对进行训练，以使所述图像中的变化区域之间的相关性最大化，所述变化区域提供所述图像对中发生的所述结构变化。2.根据权利要求1所述的方法，还包括：将随机变换应用于所述图像对，以获得两对增强图像对，使用所述自监督深入训练方法对所述两对增强图像对进行训练，以使所述图像中的变化区域之间的相关性最大化。3.根据权利要求2所述的方法，还包括：将所述随机变换应用于所述图像对，所述随机变换从由以下所组成的组中选择：颜色失真、随机裁剪、高斯模糊、散粒噪声、脉冲噪声、散焦模糊、玻璃模糊、运动模糊、变焦模糊、雪、霜、雾、亮度、对比度、弹性变换、像素化以及JPEG压缩。4.根据权利要求2所述的方法，还包括：处理所述增强图像对，以提供与所述图像...
【专利技术属性】
技术研发人员：伊莱厄，
申请(专利权)人：北京四维图新科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。