图像检测模型训练方法、差异检测方法和相关装置制造方法及图纸

本申请公开了一种图像检测模型训练方法、差异检测方法和相关装置，图像检测模型包括特征提取网络和差异检测网络，该方法包括：将基准图和检测图输入至特征提取网络，得到基准特征图和检测特征图；将基准特征图和检测特征图输入至差异检测网络，得到基准特征图和检测特征图上存在差异的目标区域；其中，目标区域基于基准特征图和检测特征图上相同位置处的特征修正值确定，特征修正值基于修正操作后的特征值组确定，特征值组包括基准特征图和检测特征图上相同位置处的特征值，修正操作与特征值组中特征值的数值相关；基于目标区域调整图像检测模型的参数，直至获得训练后的图像检测模型。上述方案，能够提高图像检测模型进行差异检测的准确率。检测的准确率。检测的准确率。

【技术实现步骤摘要】
图像检测模型训练方法、差异检测方法和相关装置


[0001]本申请涉及计算机视觉
，特别是涉及一种图像检测模型训练方法、差异检测方法和相关装置。

技术介绍

[0002]随着计算机视觉领域的兴起，差异检测作为计算机视觉领域的一个重要分支愈发得到重视，利用差异检测技术可以检测同一场景在不同时间点所发生的变化，当存在大量的图像需要进行差异检测时，通常会采用训练模型的方式来得到训练后的图像检测模型，利用训练后的图像检测模型进行差异检测以提高检测效率，而图像检测模型的训练效果直接决定了差异检测的准确率。有鉴于此，如何提高图像检测模型进行差异检测的准确率成为了亟待解决的问题。

技术实现思路

[0003]本申请主要解决的技术问题是提供一种图像检测模型训练方法、差异检测方法和相关装置，能够提高图像检测模型进行差异检测的准确率。
[0004]为解决上述技术问题，本申请第一方面提供一种图像检测模型训练方法，图像检测模型包括特征提取网络和差异检测网络，该方法包括：将基准图和检测图输入至所述特征提取网络，得到基准特征图和检测特征图；将所述基准特征图和检测特征图输入至所述差异检测网络，得到所述基准特征图和所述检测特征图上存在差异的目标区域；其中，所述目标区域基于所述基准特征图和所述检测特征图上相同位置处的特征修正值确定，所述特征修正值基于修正操作后的特征值组确定，所述特征值组包括所述基准特征图和所述检测特征图上相同位置处的特征值，所述修正操作与所述特征值组中特征值的数值相关；基于所述目标区域调整所述图像检测模型的参数，直至满足预设收敛条件，获得训练后的所述图像检测模型。
[0005]为解决上述技术问题，本申请第二方面提供一种差异检测方法，该方法包括：获得待检测图像组，其中，待检测图像组包括参照基准图和待检测图；将所述待检测图像组输入至图像检测模型，得到存在差异的目标区域；其中，所述图像检测模型上述第一方面所述的方法训练后获得。
[0006]为解决上述技术问题，本申请第三方面提供一种电子设备，该电子设备包括：相互耦接的存储器和处理器，其中，所述存储器存储有程序数据，所述处理器调用所述程序数据以执行上述第一方面或第二方面所述的方法。
[0007]为解决上述技术问题，本申请第四方面提供一种计算机可读存储介质，其上存储有程序数据，所述程序数据被处理器执行时实现上述第一方面或第二方面所述的方法。
[0008]上述方案，将基准图和检测图输入至特征提取网络，以使特征提取网络对基础图进行特征提取得到基准特征图，对检测图进行特征提取得到检测特征图，将基准特征图和检测特征图输入至差异检测网络，以使差异检测网络基于基准特征图和检测特征图上相同
位置处的特征修正值，确定基准特征图和检测特征图上存在差异的目标区域，其中，特征修正值是基于修正操作后的特征值组确定的，特征值组包括基准特征图和检测特征图上相同位置处的特征值，修正操作与特征值组中特征值的数值相关。故此，相较于直接比对基准特征图和检测特征图上的特征值，通过修正操作对特征值组所对应的特征进行修正，得到特征修正值，并基于特征修正值进行差异检测，能够提高差异检测的精度得到更准确的目标区域，进而基于目标区域调整图像检测模型的参数，直至满足预设收敛条件，获得训练后的图像检测模型，以便提高训练后的图像检测模型进行差异检测的准确率。
附图说明
[0009]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0010]图1是本申请图像检测模型训练方法一实施方式的流程示意图；
[0011]图2是本申请图像检测模型训练方法另一实施方式的流程示意图；
[0012]图3是本申请图像检测模型训练方法又一实施方式的流程示意图；
[0013]图4是本申请图像检测模型训练方法又一实施方式的流程示意图；
[0014]图5是本申请图像检测模型训练方法又一实施方式的流程示意图；
[0015]图6是本申请图像检测模型一实施方式的结构示意图；
[0016]图7是图6中特征匹配模块对应的一实施方式的结构示意图；
[0017]图8是图6中特征比对模块对应的一实施方式的结构示意图；
[0018]图9是本申请差异检测方法一实施方式的流程示意图；
[0019]图10是本申请电子设备一实施方式的结构示意图；
[0020]图11是本申请计算机可读存储介质一实施方式的结构示意图。
具体实施方式
[0021]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0022]本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
[0023]本申请所提供的图像检测模型训练方法用于对图像检测模型进行训练，其中，图像检测模型至少包括特征提取网络和差异检测网络，且图像检测模型用于检测图像之间的差异，本申请所提供的图像检测模型训练方法对应的执行主体为能够调用图像检测模型的处理器。
[0024]请参阅图1，图1是本申请图像检测模型训练方法一实施方式的流程示意图，该方
法包括：
[0025]S101：将基准图和检测图输入至特征提取网络，得到基准特征图和检测特征图。
[0026]具体地，基准图和检测图构成训练样本对，同一训练样本对中的基准图和检测图对应同一应用场景，将基准图和检测图输入至特征提取网络，以使特征提取网络对基础图进行特征提取得到基准特征图，对检测图进行特征提取得到检测特征图。
[0027]在一应用方式中，特征提取网络包括结构相同的第一卷积模块和第二卷积模块，且第一卷积模块和第二卷积模块的参数在调整时始终保持一致，也就是说，特征提取网络中的第一卷积模块和第二卷积模块为孪生的卷积模块，将基准图输入至第一卷积模块得到基准特征图，将检测图输入至第二卷积模块得到检测特征图，从而基于孪生网络提高特征提取的效率。
[0028]在另一应用方式中，特征提取网络中包括级联的卷积模块，将基准图和检测图依次输入级联的卷积模块，对基准图和检测图进行特征提取，分别得到基准图对应的基准特征图和检测图对应的检测特征图，从而降低特征提取网络的复杂度。
[0029]S102：将基准特征图和检测特征图输入至差异检测网络，得到基准特征图和检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测模型训练方法，其特征在于，所述图像检测模型包括特征提取网络和差异检测网络所述方法包括：将基准图和检测图输入至所述特征提取网络，得到基准特征图和检测特征图；将所述基准特征图和检测特征图输入至所述差异检测网络，得到所述基准特征图和所述检测特征图上存在差异的目标区域；其中，所述目标区域基于所述基准特征图和所述检测特征图上相同位置处的特征修正值确定，所述特征修正值基于修正操作后的特征值组确定，所述特征值组包括所述基准特征图和所述检测特征图上相同位置处的特征值，所述修正操作与所述特征值组中特征值的数值相关；基于所述目标区域调整所述图像检测模型的参数，直至满足预设收敛条件，获得训练后的所述图像检测模型。2.根据权利要求1所述的图像检测模型训练方法，其特征在于，所述将所述基准特征图和检测特征图输入至所述差异检测网络，得到所述基准特征图和所述检测特征图上存在差异的目标区域，包括：将所述基准特征图和检测特征图输入至所述差异检测网络，基于所述特征值组中的特征值之间的差值和乘积，对所述特征值组进行修正操作，得到所述特征修正值；基于所述特征修正值确定所述基准特征图和所述检测特征图上存在差异的目标区域。3.根据权利要求1所述的图像检测模型训练方法，其特征在于，所述将所述基准特征图和检测特征图输入至所述差异检测网络，得到所述基准特征图和所述检测特征图上存在差异的目标区域，包括：将所述基准特征图和检测特征图输入至所述差异检测网络，基于所述特征值组中的特征值之间的差值，确定所述基准特征图和所述检测特征图上存在差异的检测区域；基于所述检测区域从所述基准特征图上得到基准特征子图，从所述检测特征图上得到检测特征子图，基于所述基准特征子图和所述检测特征子图上相同位置处的特征值，对所述基准特征子图和所述检测特征子图中的特征值进行修正操作，得到所述特征修正值；基于所述特征修正值确定所述基准特征图和所述检测特征图上存在差异的目标区域。4.根据权利要求1所述的图像检测模型训练方法，其特征在于，所述差异检测网络包括特征匹配模块和特征比对模块，所述将所述基准特征图和检测特征图输入至所述差异检测网络，得到所述基准特征图和所述检测特征图上存在差异的目标区域，包括：将所述基准特征图和检测特征图输入至所述特征匹配模块，得到匹配特征图；其中，所述匹配特征图上的所述特征修正值基于所述特征值组中的特征值之间的差值和乘积确定；基于所述匹配特征图上的所述特征修正值，确定所述基准特征图和所述检测特征图上存在差异的检测区域；基于所述检测区域从所述基准特征图上得到基准特征子图，从所述检测特征图上得到检测特征子图，将所述基准特征子图和所述检测特征子图输入至所述特征比对模块，得到目标区域；其中，所述目标区域基于所述基准特征子图和所述检测特征子图上的特征值确定。5.根据权利要求4所述的图像检测模型训练方法，其特征在于，所述将所述基准特征图和检测特征图输入至所述特征匹配模块，得到匹配特征图，包括：将所述基准特征图和检测特征图输入至所述特征匹配模块，基于所述特征值组中特征
值之间的绝对差值，得到差值特征图，以及，基于所述特征值组中特征值之间的乘积，得到关联特征图；基于所述差值特征图和所述关联特征图，得到所述匹配特征图。6.根据权利要求5所述的图像检测模型训练方法，其特征在于，所述基于所述差值特征图和所述关联特征图，得到所述匹配特征图，包括：对所述差值特征图和所述关联特征图进行拼接，得到拼接特征图；对所述拼接特征图进行降维，得到所述匹配特征图；其中，所述匹配特征图与所述基准特征图和所述检测特征图的维度相同。7.根据权利要求4所述的图像检测模型训练方法，其特征在于，所述差异检测网络还包括回归分类模块，所...

【专利技术属性】
技术研发人员：潘国雄，郑佳，潘柄存，潘华东，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：