(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 202210720961.4 (22)申请日 2022.06.16 (71)申请人 李国辉 地址 473225 河南省南阳市方城县杨 楼乡 房山村二郎庙20号 (72)发明人 李国辉　 (74)专利代理 机构 北京同恒源知识产权代理有 限公司 1 1275 专利代理师 赵荣之 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种阴影图像分类辅助的域适应阴影检测 方法 (57)摘要 本发明涉及一种阴影图像分类辅助的域适 应阴影检测方法， 属于图像处理领域， 包括以下 步骤： S1： 在阴影检测模型中加入梯度反转层和 域分类器， 得到域适应阴影检测网络； S2： 在域适 应阴影检测网络中加入阴影图像分类任务， 对阴 影图像进行分类； S3： 设计训练策略， 使用源数据 集和目标数据集对所述域适应阴影检测网络进 行训练； S4： 将阴影图像输入训练好的域适应阴 影检测网络， 得到阴影掩膜的预测结果。 本发明 对数据集之间存在的域偏移问题， 利用深度神经 网络， 通过加入梯度反转层和阴影图像分类任 务， 对域无关的特征进行学习， 从而提高模型在 目标数据集上的阴影 检测准确率。 权利要求书2页 说明书6页 附图2页 CN 115063634 A 2022.09.16 CN 115063634 A 1.一种阴影图像分类辅助的域 适应阴影 检测方法， 其特 征在于： 包括以下步骤： S1： 在阴影 检测模型中加入梯度反转层和域分类 器， 得到域 适应阴影 检测网络； S2： 在域适应阴影 检测网络中加入阴影图像分类任务， 对阴影图像进行分类； S3： 设计训练策略， 使用源数据集和目标 数据集对所述 域适应阴影 检测网络进行训练； S4： 将阴影图像输入训练好的域 适应阴影 检测网络， 得到阴影掩膜的预测结果。 2.根据权利要求1所述的阴影图像分类辅助的域适应阴影检测方法， 其特征在于： 步骤 S1中所述加入梯度反转层具体包括： 在阴影检测模型的特征提取网络第五层加入梯度反转 层， 并将梯度反转层的输出作为 域分类器的输入。 3.根据权利要求1所述的阴影图像分类辅助的域适应阴影检测方法， 其特征在于： 步骤 S1中所述域适应阴影检测网络的输出表 示像素点(s,t)是否属于阴影区域， 像素点(s,t)处 的损失值使用二元交叉熵进行计算， 如下式所示： 其中y代表标签值， 表示在像素点(s,t)的阴影检测预测结果， 越大则该像素点属 于阴影区域的概 率越高， 总的阴影 检测损失为所有 待检测点的损失值之和， 如下式所示： 其中W， H代 表输入图像的尺寸； 域分类器的输出为13 ×13×1大小的特征图， 特征图上每一个特征点代表域分类器对 于输入图像域标签的分类结果； 每一个特 征点(u,v)上的损失函数 可以表示 为： 其中， y代表输入图像的域标签， 代表域分类器在该特征点上域标签的预测概率； 总 的域适应损失为所有特 征点上的损失值之和， 如下式所示： 其中， M和N代 表特征图的大小。 4.根据权利要求1所述的阴影图像分类辅助的域适应阴影检测方法， 其特征在于： 步骤 S2中所述阴影图像分类任务， 是在基础的特征提取网络中加入全连接层， 将网络转换为二 分类网络， 加入二分类交叉熵损失函数， 实现阴影图像分类。 5.根据权利要求1所述的阴影图像分类辅助的域适应阴影检测方法， 其特征在于： 步骤 S2具体包括： 在特征提取网络之后加入步长为1 ×1， 窗口大小为7 ×7的平均池化层， 得到1 ×1× 2048的特征图， 将该特征图作为ResNeXt101网络1000分类全连接层的输入， 得到1000维向 量， 并将该向量作为输入维度为10 00， 输出维度为2的全连接层的输入， 实现图像二分类； 阴影图像分类任务使用二元交叉熵作为损失函数， 如下 所示： 权　利　要　求　书 1/2 页 2 CN 115063634 A 2其中y是输入图像的真实标签， y为1时代表输入图像为阴影图像， y为0时代表输入图像 为无阴影图像， 代表对输入图像所属类别的预测概 率， ω为对损失函数的加权系数。 6.根据权利要求1所述的阴影图像分类辅助的域适应阴影检测方法， 其特征在于： 步骤 S3中所述的训练策略包括： 在域适应的过程中冻 结特征提取网络第四层与第五层的参数； 在训练分类任务时， 冻 结特征提取网络第一层到第四层 网络的参数； 使用源域中的阴影图 像和阴影标签训练阴影 检测任务； 使用源域和目标域中的阴影图像进行域 适应训练。权　利　要　求　书 2/2 页 3 CN 115063634 A 3