[发明专利]图像变化检测方法、装置、设备及计算机可读存储介质

权利要求书

1.一种图像变化检测方法，其特征在于，所述图像变化检测方法包括：

将待检测变化的两个原始图像分别输入预设神经网络的共享卷积层，得到所述两个原始图像分别对应的特征图；

将所述特征图输入所述神经网络的特征图融合层进行差异融合，得到差异特征图；

将所述差异特征图输入所述神经网络的上采样层，并基于上采样结果得到所述两个原始图像的变化检测结果。

2.如权利要求1所述的图像变化检测方法，其特征在于，所述共享卷积层包括多个不同尺度的共享卷积层，所述将待检测变化的两个原始图像分别输入预设神经网络的共享卷积层，得到所述两个原始图像分别对应的特征图的步骤包括：

将待检测变化的两个原始图像分别输入预设神经网络中各个尺度的共享卷积层，得到所述两个原始图像分别在不同尺度下对应的特征图；

所述将所述特征图输入所述神经网络的特征图融合层进行差异融合，得到差异特征图的步骤包括：

将同一尺度下的特征图输入所述神经网络中对应尺度的特征图融合层进行差异融合，得到各个尺度下的差异特征图；

所述将所述差异特征图输入所述神经网络的上采样层，并基于上采样结果得到所述两个原始图像的变化检测结果的步骤包括：

将所述各个尺度下的差异特征图分别输入所述神经网络中对应尺度的上采样层，得到各个尺度下的上采样图；

将所述各个尺度下的上采样图输入所述神经网络的多尺度特征融合层进行特征融合得到掩膜图，将所述掩膜图作为所述两个原始图像的变化检测结果。

3.如权利要求2所述的图像变化检测方法，其特征在于，所述将所述各个尺度下的上采样图输入所述神经网络的多尺度特征融合层进行特征融合得到掩膜图的步骤包括：

将所述各个尺度下的上采样图输入所述神经网络的多尺度特征融合层以对所述各个尺度下的上采样图进行逐像素求和，并将各像素点的求和结果输入激活函数，得到由各像素点的二分类结果构成的掩膜图。

4.如权利要求1-3任一项所述的图像变化检测方法，其特征在于，所述将待检测变化的两个原始图像分别输入预设神经网络的共享卷积层，得到所述两个原始图像分别对应的特征图的步骤之前，还包括：

获取多条训练样本数据，其中，一条所述训练样本数据包括一组图像数据和标识所述图像数据中各像素点变化情况的二分类标签；

采用所述多条训练样本数据对待训练的所述神经网络进行训练，得到所述多条训练样本数据对应的掩膜图；

基于所述多条训练样本数据对应的掩膜图和所述二分类标签计算损失函数和梯度信息；

根据所述梯度信息更新所述神经网络的各层参数，迭代训练直到检测到所述损失函数收敛时，得到训练完成的所述神经网络。

5.如权利要求2所述的图像变化检测方法，其特征在于，所述将所述各个尺度下的差异特征图分别输入所述神经网络中对应尺度的上采样层，得到各个尺度下的上采样图的步骤包括：

将所述各个尺度下的差异特征图分别输入所述神经网络中对应尺度的上采样层，以对所述差异特征图进行反卷积，得到与所述两个原始图像大小相同的各个尺度下的上采样图。

6.如权利要求1所述的图像变化检测方法，其特征在于，所述将所述特征图输入所述神经网络的特征图融合层进行差异融合，得到差异特征图的步骤包括：

将所述特征图输入所述神经网络的特征图融合层以计算所述特征图的差值、差值绝对值或差值平方，得到差异特征图。

7.如权利要求1至3、5至6任一项所述的图像变化检测方法，其特征在于，所述共享卷积层包括二维卷积核、批归一化层和池化层。