龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽大学
摘要：本发明涉及图像匹配技术领域，更具体的，涉及基于半监督深度学习的双视角图像匹配方法及系统。本发明使用无监督训练模型对待匹配的目标图像对进行匹配；其中，在模型训练时引入了无监督数据，降低了对数据的要求，也简化了数据获取难度；在模型训练时设计了合理的损失函数，能够使模型从无监督数据中获取更多潜在的有效信息，并增强模型的训练效果、提升测试结果指标。本发明解决了现有解决双视角图像匹配问题的深度学习方法由于使用全监督学习框架而存在数据获取难度较高、训练结果和测试表现不佳的问题。
主权项：1.一种基于半监督深度学习的双视角图像匹配方法，其特征在于，包括：使用无监督训练模型对待匹配的目标图像对进行匹配，得到目标图像对对应的正确匹配点对、正确本征矩阵；其中，目标图像对包括某一场景下、两个不同视角的图像；其中，的构建方法包括以下步骤：步骤一，获取有监督数据、无监督数据；其中，有监督数据包括：基于一类样本图像对计算得到的本征矩阵、一类待筛选匹配点对；无监督数据包括：基于二类样本图像对计算得到的二类待筛选匹配点对；步骤二，使用有监督数据对深度学习模型进行多轮训练，直至得到性能最佳的模型、并作为有监督训练初始模型步骤三，将进行一次复制，并作为无监督训练初始模型步骤四，将无监督数据作为正方向点对数据D；将无监督数据进行翻转，得到反方向点对数据D′；步骤五，基于D、D′进行N轮训练，直至得到其中，n∈[1,N]，第n轮训练的方法包括：将D分别输入第n-1轮有监督训练模型第n轮无监督训练模型并得到第n轮有监督输出结果；将D′分别输入并得到第n轮无监督输出结果；基于第n轮有监督输出结果、第n轮无监督输出结果计算第n轮损失函数Lossn；其中，式中，表示第n轮训练的对比损失；表示第n轮训练的一致性损失；表示第n轮训练的筛选率损失；根据Lossn对进行反向传播、并更新模型参数，得到第n轮无监督训练模型依据的模型参数按照比例平滑迁移到得到第n轮有监督训练模型遍历进行性能测试，选出其中性能最佳的模型、并作为
全文数据：
权利要求：
百度查询： 安徽大学 基于半监督深度学习的双视角图像匹配方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号