Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南国天电子科技有限公司罗明柱获国家专利权

湖南国天电子科技有限公司罗明柱获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉湖南国天电子科技有限公司申请的专利基于深度学习的目标物变化检测方法、装置、设备及介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121640302B

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202610169236.0,技术领域涉及:G06V20/13;该发明授权基于深度学习的目标物变化检测方法、装置、设备及介质是由罗明柱;何速;黄锋设计研发完成,并于2026-02-05向国家知识产权局提交的专利申请。

基于深度学习的目标物变化检测方法、装置、设备及介质在说明书摘要公布了:本发明属于图像处理技术领域,提供一种基于深度学习的目标物变化检测方法、装置、设备及介质,包括获取包含目标物配准的双时相遥感影像对及与其像素级对应的二值变化标注图的训练样本;构建一个目标物变化检测模型,包括用于提取双时相遥感影像对中两时相影像多尺度特征的特征提取模块、用于融合两时相影像多尺度特征的双向语义对齐模块及用于恢复空间细节的解码器模块;利用训练样本训练目标物变化检测模型,获得训练好的目标物变化检测模型;将待检测的目标物配准的双时相遥感影像对输入训练好的目标物变化检测模型,输出对应的二值变化预测图。本发明实现从双时相低空影像中精准、鲁棒地分割出变化的目标物区域。

本发明授权基于深度学习的目标物变化检测方法、装置、设备及介质在权利要求书中公布了:1.基于深度学习的目标物变化检测方法,其特征在于,包括以下步骤: 获取训练数据集,所述训练数据集中的训练样本包括目标物配准的双时相遥感影像对及与其像素级对应的二值变化标注图; 构建一个目标物变化检测模型,模型包括用于提取双时相遥感影像对中两时相影像多尺度特征的特征提取模块、用于融合两时相影像多尺度特征的双向语义对齐模块、以及用于恢复空间细节的解码器模块,其中所述双向语义对齐模块,用于将两时相影像的多尺度特征图组中相同层级的特征图进行双向时空上下文融合,得到两时相影像的第层级的融合特征图,包括: 对于两时相影像的第层级的第一时相特征图和第二时相特征图,=1,2,...,N; 分别生成第一时相特征图的第一查询特征与第一键值特征,以及第二时相特征图的第二查询特征与第二键值特征; 基于第一查询特征与第二键值特征,计算表征第一时相到第二时相依赖关系的前向注意力权重;基于第二查询特征与第一键值特征,计算表征第二时相到第一时相依赖关系的反向注意力权重; 其中,表示前向注意力权重中第p行第q列的权重,表征时相影像中位置p的特征和时相影像中位置q的特征的相似度;表示后向注意力权重中第p行第q列的权重;·表示点积;、分别表示第一查询特征、第二查询特征的第p个值,分别表示第一键值特征、第二键值特征的第q个值,表示前向传播过程中二值变化预测值; 利用前向注意力权重对所述第一时相特征图进行加权,得到经第二时相信息增强的第一增强特征图; 利用后向注意力权重对所述第二时相特征图进行加权,得到经第一时相信息增强的第二增强特征图; 将第一增强特征图、第二增强特征图、第一时相特征图和第二时相特征图进行拼接融合,得到两时相影像的第层级的融合特征图; 所述解码器模块从第层级的融合特征图开始,自深层向浅层恢复空间细节,生成初始变化概率图,对初始变化概率图进行阈值分割,得到二值变化预测图,包括: S101,第层级的融合特征图作为解码器模块的当前级输入特征,初次迭代时,当前级=N; S102,将当前级输入特征进行卷积与上采样; S103,对当前同层级融合特征图进行全局平均池化,生成通道注意力权重,同时对当前同层级融合特征图通过一个卷积层计算空间注意力权重,基于通道注意力权重、空间注意力权重对当前同层级融合特征图进行加权,得到加权后的跳跃连接特征; S104,将加权后的跳跃连接特征与S102中上采样后的特征进行逐元素相加,再通过一个残差卷积块进行融合,输出当前级的解码特征,并将其作为下一级的输入特征,更新当前级,返回步骤S102,直至处理完所有层级的融合特征图,最终得到多个不同尺度的解码特征{,,,...,}; S105,将不同尺度的解码特征上采样至同一空间尺寸并进行拼接; S106,对拼接后的特征依次进行卷积融合、通道降维与非线性激活,输出初始变化概率图; S107,对初始变化概率图进行阈值分割,得到二值变化预测图; 利用训练数据集训练目标物变化检测模型,在训练过程中利用构建的损失函数对目标物变化检测模型进行优化,获得训练好的目标物变化检测模型,所述损失函数由Dice损失项、加权二元交叉熵损失项、边缘一致性损失项构成,β,其中,α、β∈1,0,α+β=1; 将待检测的目标物配准的双时相遥感影像对输入所述训练好的目标物变化检测模型,输出对应的二值变化预测图。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人湖南国天电子科技有限公司,其通讯地址为:410000 湖南省长沙市高新开发区岳麓西大道芯城科技园3栋12层1201号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。