image-processing - 使用卷积神经网络进行变化检测的二进制输出

Question

我不确定这是提出此类问题的正确地方。我正在寻找一些针对特定问题的解决方案的建议。

我正在努力为我的大学项目寻找解决方案。假设我在同一位置但在不同时间拍摄了 2 张图像。我需要建立一个模型来检测这两个图像之间是否有任何变化。

这在某种程度上类似于部署了大量研究工作的前景分割/背景减法/场景变化检测问题（供参考）：

但是，这些问题的范围远远超出了我想要做的。他们通过 CNN 从原始图像中提取特征，然后通过反卷积技术将提取的特征连接到灰度输出图像。对我来说，我只想提取特征并最终输出一个二进制（1 或 0）值：如果 2 个图像之间有任何变化，则为 1，如果没有，则为 0。换句话说，我不想实现反卷积部分。

我有两个问题：

1. CD2014 数据集（以及其他相关数据集）只有灰度图像格式的基本事实，而不是我想要的输出（二进制 1/0 格式）。
2. 此外，由于我的问题与那些论文不同，我找不到合适的模型来使用，我倾向于使用 VGG-16，但没有证据表明它可以解决我的问题。

你能建议我在这个范围内的任何解决方案或材料吗？我真的很感激任何建议。

谢谢你，祝你有美好的一天！

标签： image-processingdeep-learningconv-neural-networkdeconvolution

Answer 1

有这篇论文：https
://arxiv.org/pdf/1810.09111.pdf 它看起来像你想做的！

在论文中，他们输出了两张图像之间变化的热图，但您可以检测是否存在激活或一定数量的激活来输出您的二进制分类。

希望能帮到你！