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！

龙图腾网获悉电子科技大学申请的专利基于协同变化一致性网络模型的无监督SAR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：CN119942213B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510081299.6，技术领域涉及：G06V10/764；该发明授权基于协同变化一致性网络模型的无监督SAR变化检测方法是由李世华;张子建;穆羽;秦杨设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本基于协同变化一致性网络模型的无监督SAR变化检测方法在说明书摘要公布了：本发明属于变化检测技术领域，具体为一种基于协同变化一致性网络模型的无监督SAR变化检测方法。本发明首先将双时相SAR影像通过预分类得到伪标签，根据伪标签随机采样得到监督样本集和自监督样本集；然后，构建协同变化一致性网络模型：编码器从样本中通过级联的残差块提取深层特征向量，监督样本集对应的特征向量输入到监督学习分支中结合伪标签进行监督学习，自监督样本集对应的特征向量输入到自监督学习分支中通过最小化特征距离进行自监督学习；再在两个分支之间建立变化一致性损失函数，实现双分支协同训练，增强模型对变化特征的表征能力；最后将待检测的SAR影像输入到训练好的模型即可实现不易受到噪声影响的变化检测。

本发明授权基于协同变化一致性网络模型的无监督SAR变化检测方法在权利要求书中公布了：1.基于协同变化一致性网络模型的无监督SAR变化检测方法，其特征在于，包括以下步骤： 步骤1、将双时相SAR影像通过预分类得到伪标签； 步骤2、对步骤1所得伪标签进行采样得到监督样本集，再从监督样本集采样得到自监督样本集； 步骤3、构建协同变化一致性网络：包括编码器的构建、监督分支的构建、自监督分支的构建三个部分；具体过程如下： 首先构建具有两个共享权重的编码器，分别对两个时相的样本进行特征提取，得到两个时相对应的特征向量； 对于监督样本集和自监督样本集中的双时相样本分别输入到两个编码器进行特征提取；然后分别构建监督学习分支和自监督学习分支，将两个编码器提取到的特征向量分别输入到各自对应的学习分支； 步骤4、使用两种样本集分别训练协同变化一致性网络，并将两者通过协同变化一致性网络整体的协同损失函数L进行梯度反向传播完成协同变化一致性网络的训练； 使用监督样本集，经过编码器提取特征后，对监督学习分支在伪标签的监督下进行监督学习，参数通过监督损失函数优化； 监督损失函数定义为二元交叉熵损失，用公式表达为： 其中，yi表示第i个监督样本对应的伪标签，yi′表示第i个监督样本对应的预测结果，Nsl表示监督样本集中的样本总数； 使用自监督样本集，经过编码器提取特征后，在无标签的情况下进行自监督学习，参数通过自监督损失函数优化； 自监督损失函数通过余弦相似度构造，用公式表达为： 其中，stopgrad表示停止梯度传播，Nssl表示自监督样本集中所有样本的总数量，Pi,t为高维特征向量预测，Zi,t为特征向量映射，t代表时相，取1或2； 除此之外，对监督学习分支和自监督学习分支之间通过限制变化特征的一致性，通过KL散度衡量变化特征概率分布之间的相似性，构造变化一致性损失函数；用公式表达为： i,d为变化特征，Di,1和Di,2表示一对相互对称的特征向量距离；结合所有的损失函数，通过权重参数限制各损失所占比重，得协同变化一致性网络整体的协同损失函数L为： L＝Lsl+λsslssl+λconscons 协同变化一致性网络的参数优化通过L进行梯度反向传播实现； 步骤5、将两幅待检测的SAR影像输入到步骤4训练好的协同变化一致性网络中，得到最终的变化检测结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。