[发明专利]一种基于仿射变换的网络度量方法和存储设备

权利要求书

1.一种基于仿射变换的网络度量方法，其特征在于，包括步骤：

输入待测样本至预先训练好的仿射变换模型计算得所述待测样本的结构相似性损失值和相似度损失值；

结合第一经验阈值、第二经验阈值、所述待测样本的结构相似性损失值和相似度损失值判断前后两次采样的待测样本是否发生变更；

所述“输入待测样本至预先训练好的仿射变换模型计算得所述待测样本的结构相似性损失值和相似度损失值”前，具体还包括步骤：

第一对比样本和第二对比样本进行通道层次的拼接操作得拼接后的样本对；

通过姿态估计网络估计所述样本对的仿射变换矩阵；

使用所述仿射变换矩阵参数对所述第一对比样本进行仿射变换得第三对比样本；

使用图像结构相似性度量计算所述第三对比样本与所述第二对比样本的结构相似性损失值；

使用孪生网络计算所述第三对比样本与所述第二对比样本的相似度损失值；

根据平衡系数计算总损失值，根据所述总损失值更新所述姿态估计网络和所述孪生网络的参数，得训练后的仿射变换模型；

所述“使用图像结构相似性度量计算所述第三对比样本与所述第二对比样本的结构相似性损失值”，具体还包括步骤：

所述结构相似性损失值计算使用如下公式：

μ_x，μ_y，σ_x，σ_y分别是x和y的均值和方差，σ_xy是协方差，c₁，c₂是两个常数；

所述“使用孪生网络计算所述第三对比样本与所述第二对比样本的相似度损失值”，具体还包括步骤：

损失函数使用对数损失，若输入样本对为未变更样本对则真值标注为0，若输入样本对为变更样本对则真值标注为1；

损失函数的计算如公式如下：

L_Similarity＝y log p+(1-y)log(1-p)

y，p分别是输入样本对的真值和模型输出的对应概率；

所述“根据平衡系数计算总损失值”，具体还包括步骤：

总损失值的计算公式为：

L＝L_SSIM+λL_Similarity；

L_SSIM为所述第三对比样本与所述第二对比样本的结构相似性损失值，

L_similarity为所述第三对比样本与所述第二对比样本的相似度损失值，λ为平衡系数；

所述“结合第一经验阈值、第二经验阈值、所述待测样本的结构相似性损失值和相似度损失值判断前后两次采样的待测样本是否发生变更”，具体还包括步骤：

判断所述待测样本的结构相似性损失值大于等于所述第一经验阈值且所述相似度损失值大于等于所述第二经验阈值两者是否同时成立；

若同时成立，则判定前后两次采样的待测样本发生变更。

2.根据权利要求1所述的一种基于仿射变换的网络度量方法，其特征在于，所述“根据所述总损失值更新所述姿态估计网络和所述孪生网络的参数，得训练后的仿射变换模型”，具体还包括步骤：

反向传播所述总损失值，计算梯度并更新所述姿态估计网络和所述孪生网络的参数。

3.根据权利要求1所述的一种基于仿射变换的网络度量方法，其特征在于，所述“输入待测样本至预先训练好的仿射变换模型计算得所述待测样本的结构相似性损失值和相似度损失值”，具体还包括步骤：

所述待测样本包括：第一待测样本和第二待测样本，所述第一待测样本和所述第二待测样本为前后两次采样的待测样本；

第一待测样本和第二待测样本进行通道层次的拼接操作得拼接后的待测样本对；

通过姿态估计网络估计所述待测样本对的仿射变换矩阵；

使用所述仿射变换矩阵参数对所述第一待测样本进行仿射变换得第三待测样本；

使用图像结构相似性度量计算所述第三待测样本与所述第二待测样本的结构相似性损失值；

使用孪生网络计算所述第三待测样本与所述第二待测样本的相似度损失值。

4.根据权利要求1所述的一种基于仿射变换的网络度量方法，其特征在于，还包括步骤：

获取发生变更的待测样本对应的机柜号，发出对应的提醒。

5.一种存储设备，其中存储有指令集，其特征在于，所述指令集用于执行：权利要求1至4任一权利要求所述的步骤。