【技术实现步骤摘要】
本专利技术涉及基于深度学习的gru-bit变化检测方法及其在边坡安全探测感知和预警中的应用，属于计算机视觉领域。
技术介绍
1、当前对于变化检测的研究主要应用于遥感领域，分为传统的差异图算法和深度学习方法。在传统的差异图算法中，主要包括差异图生成和差异图优化两个步骤，如差异算子法(比值算子、均值算子和log算子等)、主成分分析法(pca)和变化向量分析法(cva)等，因其结构简单，检测精度高，在sar成像中被广泛使用，但由于监控视角下的rgb图像颜色多样，信息复杂，现有差异图方法在不同差异图的生成中需要不断调整算子的阈值以求达到最佳的检测效果，部分自动调整算子阈值的传统方法没有对图像间建立上下文信息的联系，因此难以实现端到端的预测，并不适合监控视角下的动态监测。基于神经网络的深度学习变化检测算法利用监督学习的方式学习多样的变化特征，可以有效的实现端到端的预测，其对图像进行特征提取的编码器分为单流方法和双流方法，单流方法将不同时段的图像进行叠加，送入神经网络中进行差异图的生成，如u-net框架、u-net++框架和difunet++框架等...
【技术保护点】
1.基于深度学习的GRU-Bit变化检测方法，采用Bit_CD对视频图像进行变化检测，其特征在于在Transformer编码阶段前，通过GRU捕捉Q矩阵与K矩阵，使之建立时间序列上的联系。
2.如权利要求1所述的GRU-Bit变化检测方法，其特征在于通过GRU捕捉Q矩阵与K矩阵的方式为将Q矩阵与K矩阵进行GRU算子的学习，得到矩阵L，依据下式计算获得多头注意力：
3.如权利要求1或2所述的GRU-Bit变化检测方法，其特征在于添加去噪模型，从视频中取相邻帧，先将原图送入去噪模型中去噪，得到去噪后的图像，送入Bit_CD的卷积层作为卷积层输入。<...
【技术特征摘要】
1.基于深度学习的gru-bit变化检测方法，采用bit_cd对视频图像进行变化检测，其特征在于在transformer编码阶段前，通过gru捕捉q矩阵与k矩阵，使之建立时间序列上的联系。
2.如权利要求1所述的gru-bit变化检测方法，其特征在于通过gru捕捉q矩阵与k矩阵的方式为将q矩阵与k矩阵进行gru算子的学习，得到矩阵l，依据下式计算获得多头注意力：
3.如权利要求1或2所述的gru-bit变化检测方法，其特征在于添加去噪模型，...
【专利技术属性】
技术研发人员：杨胜仪，林非，肖昭辉，张玮，康载庄，蒋建民，刘刚，樊子昂，
申请(专利权)人：福建华电福瑞能源发展有限公司池潭水力发电厂，
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。