【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于双功能鉴别器的图像检测方法及装置。
技术介绍
1、计算机视觉作为人工智能领域的一个重要分支，旨在研究如何使计算机能够理解和解释图像和视频。其技术范畴涵盖图像处理、图像分析、模式识别等领域。在图像处理的过程中，特征提取是一项至关重要的技术，它可以从图像中提取出关键信息，从而减少计算量。本质上来说，图像检测方法是通过将提取出的特征向量进行相关的对比运算，从而检测出两张原图像的真假或相似度。在现实生活中，这种检测方法有着广泛的应用，比如人脸识别、签名比对、车牌比对、目标跟踪、行人重识别等。
2、传统图像检测方法已经经过长时间的发展和研究，因此其算法和模型在许多领域已经非常成熟，具有相对较高的精度。此外，设计出的算法通常会借助人类专家的先验知识，使得算法的结果更具可解释性，并有利于深入研究算法和性能。相比于深度学习图像检测方法，传统图像检测方法的可拓展性较窄，且需要的计算资源和运行时间较少。然而，对于数据量较大、复杂性较高的任务，传统检测方法的效率和精度会有所下降。此外该类方法的泛化能力也不足...
【技术保护点】
1.一种基于双功能鉴别器的图像检测方法，其特征在于，包括：
2.如权利要求1所述的基于双功能鉴别器的图像检测方法，其特征在于，对待检测的图像对进行预处理，包括：
3.如权利要求1所述的基于双功能鉴别器的图像检测方法，其特征在于，多尺度放缩模块利用2D平均池化层将输入的图像对下采样到不同尺度的图像对的公式为：
4.如权利要求1所述的基于双功能鉴别器的图像检测方法，其特征在于，特征提取模块为CNN特征提取网络，采用PatchGAN结构，PatchGAN结构由5个卷积块组成，PatchGAN网络提取出的深层特征为，分别表示从第次放缩的图像...
【技术特征摘要】
1.一种基于双功能鉴别器的图像检测方法，其特征在于，包括：
2.如权利要求1所述的基于双功能鉴别器的图像检测方法，其特征在于，对待检测的图像对进行预处理，包括：
3.如权利要求1所述的基于双功能鉴别器的图像检测方法，其特征在于，多尺度放缩模块利用2d平均池化层将输入的图像对下采样到不同尺度的图像对的公式为：
4.如权利要求1所述的基于双功能鉴别器的图像检测方法，其特征在于，特征提取模块为cnn特征提取网络，采用patchgan结构，patchgan结构由5个卷积块组成，patchgan网络提取出的深层特征为，分别表示从第次放缩的图像对中提取出的特征，为放缩的总次数。
5.如权利要求1所述的基于双功能鉴别器的图像检测方法，其特征在于，通过双功能鉴别器中的全卷积网络进行图像对...
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。