(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210348820.4 (22)申请日 2022.04.01 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518044 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 刘文龙　刘俊　高斌斌　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 朱佳 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/33(2017.01) G06V 10/40(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 变化检测模 型训练和图像变化检测方法、 装 置及设备 (57)摘要 本申请公开了变化检测模型训练和图像变 化检测方法、 装置及设备， 可应用于云技术、 人工 智能、 智慧交通、 辅助驾驶、 地图等各种场景， 该 方法在变化检测模型的训练阶段， 通过内容配准 的两个图像进行变化检测来结合调整整体模型， 以利用两个图像之间的双相变化检测对单相变 化检测进行增强， 从而提升了单相变化检测分支 的准确性。 同时， 在应用阶段， 针对目标图像， 仅 需要通过单相变化检测这一单个数据处理分支 进行， 即可获得目标图像相对于标准图像发生变 化的区域， 从而大大减少了数据处理量， 提升实 际检测场景中图像 变化检测的检测效率。 权利要求书4页 说明书26页 附图9页 CN 115131281 A 2022.09.30 CN 115131281 A 1.一种变化检测模型训练方法， 其特 征在于， 所述方法包括： 获得多个样本 图像组， 每个样本 图像组包含内容配准的第一图像、 第二图像以及样本 标签， 所述样本标签用于指示： 所述第一图像以及所述第二图像各自相对于标准图像发生 变化的实际图像区域； 采用所述多个样本图像组对待训练 的变化检测模型进行迭代训练， 获得相应的目标变 化检测模型， 每一次迭代包括如下步骤： 分别对输入的各样本图像组进行组内 图像变化检测， 获得各样本图像组内的第 二图像 相对于第一图像发生变化的第一图像区域； 对输入的各第 一图像分别进行单相图像变化检测， 获得各第 一图像相对于所述标准图 像发生变化的第二图像区域； 基于各样本 图像组对应的样本标签、 第一图像区域与第二图像区域确定模型损 失， 并 基于所述模型损失进行参数调整。 2.根据权利要求1所述的方法， 其特征在于， 在 分别对输入的各样本图像组进行组内 图 像变化检测， 获得各样本图像组内的第二图像相对于第一图像发生变化的第一图像区域之 前， 所述方法还 包括： 分别提取各第一图像的第一特征集合， 每个第一特征集合包括： 相应的第一图像分别 对应于预设的多个图像尺度的第一图像特 征； 分别提取各第二图像的第二特征集合， 每个第二特征集合包括： 相应的第二图像分别 对应于所述多个图像尺度的第二图像特 征； 所述分别对输入的各样本图像组进行组内 图像变化检测， 获得各样本图像组内的第 二 图像相对于第一图像发生变化的第一图像区域， 包括： 基于获得的各第 一特征集合和各第 二特征集合， 分别对所述各样本图像组进行组内 图 像变化检测， 获得 各样本图像组各自对应的所述第一图像区域。 3.根据权利要求2所述的方法， 其特征在于， 基于获得的各第 一特征集合和第 二特征集 合， 分别对所述各样本图像组进行组内图像变化检测， 获得各样本图像组各自对应的所述 第一图像区域， 包括： 针对所述各样本图像组， 分别执 行如下操作： 针对一个样本 图像组， 分别将相应的第一特征集合和第二特征集合中， 对应同一图像 尺度的图像特 征进行特征融合， 获得 所述多个图像尺度各自对应的融合图像特 征； 基于获得的各融合图像特征， 对所述一个样本 图像组进行组内图像变化检测， 获得所 述第一图像区域。 4.根据权利要求3所述的方法， 其特征在于， 分别将相应的第 一特征集合和第 二特征集 合中， 对应同一图像尺度的图像特征进行特征融合， 获得所述多个图像尺度各自对应的融 合图像特 征， 包括： 针对所述多个图像尺度， 分别执 行如下操作： 针对一个图像尺度， 对第 一特征集合中相应的第 一图像特征进行基于自注意力 机制的 更新处理， 获得第三图像特征， 以及， 对第二特征集合中相应的第二图像特征进 行基于自注 意力机制的更新处 理， 获得第四图像特 征； 基于所述第三图像特征， 对所述第 四图像特征进行基于注意力机制的融合处理， 获得权　利　要　求　书 1/4 页 2 CN 115131281 A 2第五图像特征， 以及， 基于所述第四图像特征， 对 所述第三图像特征进 行基于注意力机制的 融合处理， 获得第六图像特 征； 基于所述第五图像特征和所述第六图像特征进行特征融合， 获得所述一个图像尺度的 融合图像特 征。 5.根据权利要求4所述的方法， 其特征在于， 对第 一特征集合中相应的第 一图像特征进 行基于自注意力机制的更新处 理， 获得第三图像特 征， 包括： 通过所述变化检测模型的自注意力网络对所述第 一图像特征进行处理， 获得所述第 一 图像特征中各元素的第一注意力权重， 每个第一注意力权重用于表征相应元素与其他元素 之间的关联程度； 基于获得的各个第 一注意力 权重， 通过所述自注意力网络对所述第 一图像特征进行加 权处理， 获得所述第三图像特 征。 6.根据权利要求4所述的方法， 其特征在于， 基于所述第三图像特征， 对所述第 四图像 特征进行基于注意力机制的融合处 理， 获得第五图像特 征， 包括： 通过所述变化检测模型的注意力网络对所述第三图像特征和所述第四图像特征进行 处理， 获得所述第四图像特征中各元素 的第二注意力权重， 每个第二注意力权重用于表征 所述第三图像特 征的相应元 素与所述第四图像特 征之间的关联程度； 基于获得的各个第 二注意力 权重， 通过所述注意力网络对所述第 三图像特征进行加权 处理， 获得所述第五图像特 征。 7.根据权利要求4所述的方法， 其特征在于， 基于所述第五图像特征和所述第六图像特 征进行特征融合， 获得 所述一个图像尺度的融合图像特 征， 包括： 基于所述第五图像特征和所述第六图像特征中对应元素之间的差值， 获得所述融合图 像特征。 8.根据权利要求3所述的方法， 其特征在于， 基于获得的各融合图像特征， 对所述一个 样本图像组进行组内图像 变化检测， 获得 所述第一图像区域， 包括： 从最大的图像尺度开始， 依次对所述各图像尺度的融合图像特征进行降采样处理， 并 将得到的降采样图像特征与下一级图像尺度的融合图像特征进行特征合并处理， 直至最小 的图像尺度为止， 获得合并图像特 征； 对所述合并图像特征进行多次上采样处理， 直至获得与原始图像的图像尺度相同的目 标图像特 征； 基于所述目标图像特 征， 确定所述第一图像区域。 9.根据权利要求2～8任一所述的方法， 其特征在于， 对输入的各第一图像分别进行单 相图像变化检测， 获得 各第一图像相对于所述标准图像发生变化的第二图像区域， 包括： 针对各第一图像， 分别执 行如下步骤： 针对一个第一图像， 对各图像尺度的第一图像特征进行尺度转换处理， 获得多个图像 尺度相同的第七图像特 征； 对获得的多个第七图像特 征进行特征融合， 得到第八图像特 征； 基于所述第八图像特征进行上采样处理， 获得与 所述一个第 一图像的图像尺度相同的 第九图像特 征； 基于所述第九图像特征， 确定所述一个第一图像中各像素点属于变化点的概率， 并基权　利　要　求　书 2/4 页 3 CN 115131281 A 3