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！

龙图腾网获悉安徽大学申请的专利基于可变形注意力网络的遥感图像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：CN117173594B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202311290862.8，技术领域涉及：G06V20/13；该发明授权基于可变形注意力网络的遥感图像变化检测方法是由涂铮铮;吴婕妤;李牧霏;姚思琪;李成龙;吕皖丽;张慧昕;郭茹菁;庞媛媛设计研发完成，并于2023-10-08向国家知识产权局提交的专利申请。

本基于可变形注意力网络的遥感图像变化检测方法在说明书摘要公布了：本发明公开基于可变形注意力网络的遥感图像变化检测方法，基于可变形注意力机制设计全局上下文模块，结合特征拼接和元素减法两种双时序特征融合方式，增强双时序特征的交互，使注意力模块能够专注于感兴趣的变化区域，利用稀疏空间采样策略和远程关系建模能力充分学习全局上下文；本发明的差异增强模块通过注意力机制引导全局特征和低层特征的融合，进一步生成包含丰富变化信息的差异变化图，使之更好的完成检测。本发明在遥感图像变化检测的数据集上取得了较好的效果。

本发明授权基于可变形注意力网络的遥感图像变化检测方法在权利要求书中公布了：1.一种基于可变形注意力网络的遥感图像变化检测方法，其特征在于，包括以下步骤： 步骤S1、输入一对双时序遥感图像，使用两个共享权重特征提取网络来分别处理两个双时序遥感图像的双时序特征，以获得两个双时序遥感图像各自多层特征，然后将第一个双时序遥感图像的多层特征依次记为将第二个双时序遥感图像的多层特征依次记为 步骤S2、对于步骤S1所得多层特征中的高层特征与以及与分别使用对应特征提取网络的编码器进行特征融合，将所得两个融合特征输入至全局上下文模块，得到全局特征Fglobal；此处特征融合的方式依次包括特征拼接和元素减法；使用全局上下文模块增强多层特征中高层特征的具体方法为： 首先，编码后的高层特征和通道拼接融合得到特征和进行元素减法融合得到高层特征和通道拼接融合得到高层特征和进行元素减法融合得到并将融合特征和输入到全局上下文模块，和进行通道级拼接融合得到特征FC，再用使用道注意机制对特征FC进行选择性重组，获得重组特征X3，对和进行同样操作获得X4；同时，将融合特征和经查询映射分别生成查询C3和C4，将融合特征和经查询映射生成查询S3和S4； 然后，利用采样网络学习查询C3、C4、S3和S4，生成感兴趣变化区域的偏移量，其中采样网络包括两个深度可分离卷积，一层激活函数和一层卷积层； 接着，采用双线性插值方法根据偏移量对重组特征X3和X4进行采样，获得其重要区域的特征，通过映射得到变形后的键和对应值以及键和对应值将变形后键值键值转移到重要的区域； 同时，将查询C3与变形后键值一起输入多头注意力模块进行特征捕捉，将查询S3与变形后键值一起输入多头注意力模块进行特征捕捉，将两个捕捉到的特征进行元素加法融合，即得到第三层增强后特征；同时，将查询C4与变形后键值一起输入多头注意力模块进行特征捕捉，将查询S4与变形后值一起输入多头注意力模块进行特征捕捉，将两个捕捉到的特征进行元素加法融合，即得到第四层增强后特征； 最后，将第三层增强后特征和第四层增强后特征先通道拼接再卷积层降维进而得到全局特征Fglobal； 步骤S3、对于步骤S1所得多层特征中的低层特征与以及与分别使用对应特征提取网络的编码器进行特征融合得到融合低层特征，将所得融合低层特征与全局特征Fglobal一起输入至差异增强模块，差异增强模块使用注意力机制来引导融合低层特征和全局特征的交互，得到新浅层特征；此处特征融合的方式依次包括特征拼接和元素减法； 步骤S4、将步骤S2和S3增强后的各层特征经过解码器解码，得到最终变化图Sfinal，然后通过标注的真值用二元交叉熵BCE损失函数训练网络模型。

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安徽大学，其通讯地址为：230601 安徽省合肥市蜀山区经开区九龙路111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。