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！

龙图腾网获悉浙江工业大学;绍兴市能源检测院申请的专利一种基于空时建模的多尺度变化目标检索方法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：CN115880553B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202211240705.1，技术领域涉及：G06V10/80；该发明授权一种基于空时建模的多尺度变化目标检索方法是由郑建炜;冯宇超;吴彭江;蒋嘉伟;徐宏辉设计研发完成，并于2022-10-11向国家知识产权局提交的专利申请。

本一种基于空时建模的多尺度变化目标检索方法在说明书摘要公布了：一种基于空时建模的多尺度变化目标检索方法，包括：获取具有空间‑时序多维度的数据并分割为若干子图；采用预训练好的CNN或Transformer模型对各子图进行特征提取获得抽象特征图；将图像对中对应子图获得的抽象特征图执行跨时态的联合全局注意力机制获取对应的交互特征图；对交互特征图执行联合逐像素减法和参数化学习的双分支获取对应的差异特征图；将图像对中对应子图获得的差异特征图进行多尺度融合，获取融合特征图；将图像中对应子图获得的融合特征图依次进行上采样和卷积变换，获取变化检测图。本发明有助于提高多尺度变化目标检索的精度和泛化性能。

本发明授权一种基于空时建模的多尺度变化目标检索方法在权利要求书中公布了：1.一种基于空时建模的多尺度变化目标检索方法，其特征在于：所述基于空时建模的多尺度变化目标检索方法包括如下步骤： S1、将遥感图像对X1和X2分割为若干相同空间大小的图像块； S2、利用预训练网络ResNet18模型对各子图提取抽象特征图F1和F2，ResNet18模型各阶段输出尺寸包括4W×4H×d、2W×2H×d和W×H×d，其中，W、H和d分别为宽度、高度和通道深度； S3、通过跨时态的联合全局注意力机制对F1和F2一起建模，所述跨时态的联合全局注意力机制操作具体如下： S31、将相同尺寸的特征图F1和F2线性展开获得查询Q向量，键K向量，值V向量形式的向量组Q1,K1,V1和Q2,K2,V2，以W×H×d为例，Q、K和V的尺寸均为N×d，N＝W×H； S32、将Q1和Q2通过线性函数将其压缩为N2×d，然后再将其拼接成为一个新的查询向量Qjoint，尺寸为N×d； S33、基于交换后的查询向量Qjoint与S31步骤中的键‑值对向量组K1,V1和K2,V2分别计算全局注意力输出Fjoint‑1和Fjoint‑2，尺寸均为W×H×d； S4、对相同尺寸的特征图Fjoint‑1和Fjoint‑2执行联合逐像素减法和参数化学习的双分支差异捕获操作获取差异特征图Fsub和Fcat； 所述双分支差异捕获操作具体如下： S41、在逐像素减法分支中，计算相同尺寸的特征图Fjoint‑1和Fjoint‑2之间逐像素的差值，获得差异特征图Fsub； S42、在参数化学习的分支中，先通过沿着通道方向堆叠相同尺寸的特征图Fjoint‑1和Fjoint‑2，然后再使用多个保持尺寸不变的卷积层进行非线性特征捕获，获得差异特征图Fcat； S5、针对多尺寸的差异特征图Fsub和Fcat，使用轻量的全局空间注意力进行多尺寸的特征图融合，以尺寸包括W×H×d、2W×2H×d和4W×4H×d的多尺寸的差异特征图Fsub为例，特征图融合操作具体如下： S51、将尺寸为W×H×d的特征图Fsub‑1插值上采样，并与尺寸为2W×2H×d的特征图Fsub‑2沿着通道方向进行堆叠，然后通过轻量的全局空间注意力完成初步融合； S52、将S51步骤中中初步融合的特征图插值上采样，并与尺寸为4W×4H×d的特征图Fsub‑3沿着通道方向进行堆叠，然后通过轻量的全局空间注意力完成进一步融合； S6、最后将特征融合后的特征图进行插值上采样到S1步骤中图像块的尺寸，并通过卷积变换和Sigmoid函数将变化目标像素变为1，非变化区域像素为0，完成变化目标检测。

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浙江工业大学;绍兴市能源检测院，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。