申请/专利权人：大连理工大学

申请日：2024-03-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876221A

主分类号：G06T3/4038

分类号：G06T3/4038;G06T3/4046;G06N3/045;G06N3/082;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开一种基于神经网络结构搜索的对抗鲁棒图像拼接方法，属于计算机视觉和人工智能领域，旨在通过结合神经网络结构搜索技术和图像拼接技术，实现在复杂环境下对对抗性干扰鲁棒的图像拼接。本发明基于双层优化策略，自动设计并优化用于图像拼接的网络结构，通过评估不同网络结构在图像拼接任务上的性能来确定最终的结构选取。过程中通过引入对抗训练机制增强图像拼接网络的鲁棒性。在训练时，网络不仅学习如何精确地拼接图像，同时学习如何抵抗和纠正由于各种外部干扰引起的潜在误差。所确定的网络结构能够有效处理各种图像特征，并适应不同的图像环境和条件，显著提升图像拼接的性能和鲁棒性，适用于自动驾驶、无人机监控、安全监控等领域。

主权项：1.基于神经网络结构搜索的对抗鲁棒图像拼接方法，其特征在于，步骤如下：1）双目视觉图像采集使用配对的双目相机系统从不同视角捕捉待拼接的场景图像，确保图像具有足够的覆盖范围和重叠区域，以便于后续的拼接处理；2）设计模型的网络结构基于三尺度特征金字塔结构，每个尺度特征由一个基础结构单元得到；基础单元由多个组合操作构成，并且组合操作间存在信息传递；组合操作是基础操作的加权组合，以适应图像拼接任务的多样性；每个基础结构单元由五个组合操作构成，每个组合操作采用包括Skip,AveragePooling,MaxPooling,3×3SepConv,5×5SepConv,3×3DilatedConv,5×5DilatedConv中的多种基础操作；针对左、右两视角场景，分别得到两组三尺度特征金字塔，并通过回归得到了变形矩阵，以实现左、右视角图像的扭曲对齐；为了实现大视角场景的生成，基于所述的基础结构单元构建下采样-上采样网络进行多视角场景的整合；3）构建训练数据集收集不同环境下的图像数据，包括不同光照条件、有遮挡的场景和含噪声的图像；对收集的图像进行预处理，包括裁剪、缩放和格式转换，以适配网络输入要求；4）引入对抗训练机制在训练数据集中融入对抗性扰动，包括光照变化、遮挡和噪声影响的观测图像；设计对抗训练策略，使网络能够学习在对抗条件下正确拼接图像；5）优化训练过程使用神经网络结构搜索技术自动测试和优化候选网络结构；根据图像拼接任务的性能和对抗攻击数据的稳定性对网络结构进行评估。

全文数据：

权利要求：

百度查询： 大连理工大学 基于神经网络结构搜索的对抗鲁棒图像拼接方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD