详情

原文传递无人机自动巡检的反注意生成对抗道路中心线提取方法

专利名称：	无人机自动巡检的反注意生成对抗道路中心线提取方法
摘要：	本发明涉及一种无人机自动巡检的反注意生成对抗道路中心线提取方法，属于公路巡检技术领域。首先在初始语义分割基线方法中构建反注意模块，用于提取初始语义分割结果中，道路中心线缺失部分的标签信息。然后利用提取到的标签信息，使得判别器和生成器以博弈方式相互对抗改进，引导生成器生成的虚假图像不断逼近道路中心线缺失部分的真实值。最后将初始语义分割的输出结果与生成器的输出结果进行融合，得到完整的道路中心线。本发明解决了无人机视角下当前模型提取的道路中心线不完整、不连续问题，提高了道路中心线提取性能，有助于道路无人机自动巡检路线规划。
专利类型：	发明专利
国家地区组织代码：	云南;53
申请人：	昆明理工大学
发明人：	王青旺;瞿信;张小青;沈韬;沈世全;汪志峰
专利状态：	有效
申请日期：	2023-10-13T00:00:00+0800
发布日期：	2023-11-17T00:00:00+0800
申请号：	CN202311323486.8
公开号：	CN117079142A
代理机构：	昆明明润知识产权代理事务所(普通合伙)
代理人：	王鹏飞
分类号：	G06V20/10;G06N3/045;G06N3/0475;G06V10/26;G06V10/764;G06V10/82;G06V20/17;G;G06;G06V;G06N;G06V20;G06N3;G06V10;G06V20/10;G06N3/045;G06N3/0475;G06V10/26;G06V10/764;G06V10/82;G06V20/17
申请人地址：	650031 云南省昆明市一二一大街文昌路68号
主权项：	1.一种无人机自动巡检的反注意生成对抗道路中心线提取方法，其特征在于： Step1：在初始语义分割基线方法中构建反注意模块，用于提取初始语义分割结果中，道路中心线缺失部分的标签信息； Step2：利用提取到的标签信息，使得判别器和生成器以博弈方式相互对抗改进，引导生成器生成的虚假图像不断逼近道路中心线缺失部分的真实值； Step3：最后将初始语义分割的输出结果与生成器的输出结果进行融合，得到完整的道路中心线。 2.根据权利要求1所述的无人机自动巡检的反注意生成对抗道路中心线提取方法，其特征在于，所述Step1具体为： Step1.1：将手动标注的真实标签L1依次通过展平、1×1卷积、降维操作得到标签特征矩阵V1及其转置矩阵V1T，利用如下公式计算真实标签的非自相关性特征矩阵S1：；其中表示哈达玛积，即两矩阵对应元素相乘，得到自相关性矩阵，/>表示归一化函数，将自相关性值映射到(0, 1)区间； Step1.2：将初始语义分割基线网络提取到的特征图依次进行展平、1×1卷积、降维操作得到特征矩阵F1及其转置矩阵F1T，将F1T与S1进行哈达玛积运算得到缺失部分特征图对应标签的非自相关性矩阵S2； Step1.3：将S2通过转置复原与通道复原操作后与L1进行元素级相加融合，最后经过1×1卷积、归一化操作得到缺失部分的标签特征图A，即缺失部分的标签信息。 3.根据权利要求1所述的无人机自动巡检的反注意生成对抗道路中心线提取方法，其特征在于，所述Step2具体为： Step2.1：将生成器不断生成的虚假图像G与标签特征图A作为判别器的输入； Step2.2：判断虚假图像G属于真实值的概率； Step2.3：通过二分类交叉熵损失函数不断提升判别器的能力，使得生成器生成逼近真实的缺失部分的特征图。 4.根据权利要求3所述的无人机自动巡检的反注意生成对抗道路中心线提取方法，其特征在于，所述生成器不断生成虚假图像G具体为：原始图像连续经过三次3×3卷积、归一化、激活操作，获得大感受野的特征图X；特征图X经过由四层4×4反卷积块和Tanh函数构成的生成器，得到虚假图像G。 5.根据权利要求3所述的无人机自动巡检的反注意生成对抗道路中心线提取方法，其特征在于，所述判断虚假图像G属于真实值的概率，具体为：将虚假图像G经过由四层4×4的卷积块和Sigmoid函数构成的判别器得到虚假图像G逼近真实值的概率。 6.根据权利要求3所述的无人机自动巡检的反注意生成对抗道路中心线提取方法，其特征在于，所述Step2.3中的二分类交叉熵损失函数具体为：；其中，N表示像素点的个数，y表示标签特征图A的像素值，y'表示虚假图像G的像素值。
所属类别：	发明专利