公开(公告)号：CN114596454A

公开(公告)日：2022-06-07

申请号：CN202210155271.9

申请日：2022-02-21

Applicant: 北京理工大学

Inventor： 王博 ,  黄柳 ,  宋志洪

IPC: G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01C21/16

Abstract: 本发明公开了一种基于孪生卷积神经网络的特征匹配定位方法、系统，采用格拉姆角场方法将一维特征序列编码为二维图像，相比一维信息具备更丰富的特征，以二维图像作为孪生卷积神经网络模型的输入，提取二维图像中丰富的特征信息，提高识别相似特征的准确性。相比传统方法仅比较一维特征序列的数值相似性，避免了当一维特征序列包含的特征数量较少时，识别相似性的精度下降、匹配定位误差较大的问题。在孪生卷积神经网络模型结构中，选择ReLU作为激活函数，能够增加非线性，避免训练过程中出现梯度爆炸或消失的问题。损失函数选择用于二分类的二值交叉熵，能够在训练过程中使损失函数的输出快速收敛到0附近，减少训练模型所需要的迭代次数。