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！

龙图腾网获悉四川大学;成都西图科技有限公司申请的专利一种适用双时相遥感图像的深度神经网络变化检测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：CN119295907B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310836586.4，技术领域涉及：G06V20/10；该发明授权一种适用双时相遥感图像的深度神经网络变化检测方法是由何小海;王文韬;张豫堃;王正勇;滕奇志设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本一种适用双时相遥感图像的深度神经网络变化检测方法在说明书摘要公布了：本发明公开了一种适用双时相遥感图像的深度神经网络变化检测方法。主要包括以下步骤：在特征提取层，构建引入坐标注意力的金字塔时空注意力模块；根据前一步骤得到的金字塔时空注意力模块，构建上采样层；根据第一个步骤得到的金字塔时空注意力模块和第二个步骤得到的上采样层，构建网络输出层，得到一种适用双时相遥感图像的变化检测深度神经网络模型；用训练数据集，引入深监督机制设计损失函数组合来训练第三个步骤构建的深度神经网络模型；双时相遥感图像输入到步骤四训练好的深度神经网络模型得到变化检测特征图像。本发明在遥感图像变化的变化检测中效果良好，是一种有效的双时相遥感图像的深度神经网络变化检测方法。

本发明授权一种适用双时相遥感图像的深度神经网络变化检测方法在权利要求书中公布了：1.一种适用双时相遥感图像的深度神经网络变化检测方法，其特征在于包括以下步骤： 步骤一：在特征提取层，构建引入坐标注意力CA的金字塔时空注意力模块PCA，如下公式所示： f＝δF1[zh，zw]3 gh＝σFhfh4 gw＝σFwfw5 其中，表示第c通道且高度为h的输出，表示宽度w处的第c通道的输出，[·，·]表示将两部分特征zh和zw沿空间维度进行连接，δ是Sigmoid非线性激活函数，生成的是垂直和水平两个方向上的空间编码特征，r是缩减率，fh和fw是将得到的特征再沿着空间维度进行分解得到独立的两部分张量，Fh和Fw表示两个1×1的卷积层，σ依然是Sigmoid非线性激活函数，gh和gw即为需要的注意力分数，具体的，给定双时间特征图X1，X2∈RC×H×W，在输入PCA模块前对特征图做差值生成X3∈RC×H×W，之后将三个特征图堆叠成一个特征张量X∈RC×H×W×3，然后有四个平行的分支；每个分支将特征张量平均划分为s×s个子区域，其中s∈S，S∈{1，2，4，8}，定义了四个金字塔尺度，在尺度s的分支中，每个区域定义为对这四个分支分别使用4个CA，在每个金字塔分支中，分别对所有子区域Rs，i，j应用CA，生成更新的残差特征张量Ys∈RC×H×W×3，然后，将这些特征张量Yss∈S堆叠起来并将它们输入卷积层，生成最终的特征张量Y∈RC×H×W×3，最后，我们将Y与X相加，得到新的张量Z∈RC×H×W×3； 步骤二：根据步骤一得到的金字塔时空注意力模块，构建上采样层； 步骤三：根据步骤一得到的金字塔时空注意力模块和步骤二得到的上采样层，构建网络输出层，得到一种适用双时相遥感图像的变化检测深度神经网络模型； 步骤四：用训练数据集，引入深监督机制设计损失函数组合来训练步骤三构建的深度神经网络模型，该损失函数的计算公式如下所示： loss＝loss_1+α1-epoch_epoch×loss_210 其中，D*表示两张特征图之间的欧氏距离特征图，M*是真实标签的二进制映射，b表示第几批训练集，i、j表示高和宽，nu、nc分别表示未变化像素对个数和变化像素对个数，loss_1表示使用特征提取层得到的特征不经过金字塔时空注意力模块，直接输入上采样后得到变化检测特征，再利用公式9计算的损失值，loss_2表示经过整个网络的变化检测特征计算的损失值，epoch表示当前已到达的迭代次数，n_epoch表示训练的迭代总数，α为控制衰减的权重参数； 步骤五：双时相遥感图像输入到步骤四训练好的深度神经网络模型得到变化检测特征图像。

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四川大学;成都西图科技有限公司，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。