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！

龙图腾网获悉西安交通大学申请的专利基于改善伪标签边界质量的超高分辨率遥感图像半监督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：CN119762965B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411809108.5，技术领域涉及：G06V20/10；该发明授权基于改善伪标签边界质量的超高分辨率遥感图像半监督变化检测方法是由宋永红;粟优;吴晓萌设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本基于改善伪标签边界质量的超高分辨率遥感图像半监督变化检测方法在说明书摘要公布了：本发明公开基于改善伪标签边界质量的超高分辨率遥感图像半监督变化检测方法，变化检测旨在发掘双时图像中后一时刻图像较前一时刻图像的变化区域；本发明通过高质量的伪标签，增强半监督学习引导,包含以下步骤：1、准备半监督学习训练数据集；2、搭建教师模型和学生模型；3、训练开始，学生模型对训练数据集数据进行推理，利用教师模型生成对应粗伪标签；4、使用边界优化方法对粗伪标签进行细化，计算标签的一致性损失与学生模型推理结果损失；5、计算总损失，学生模型和教师模型进行参数更新；6、训练结束，学生模型对遥感双时图像进行变化检测；本发明改善了受制于粗糙的伪标签边界而无法获得进一步提升的半监督变化检测性能。

本发明授权基于改善伪标签边界质量的超高分辨率遥感图像半监督变化检测方法在权利要求书中公布了：1.一种基于改善伪标签边界质量的超高分辨率遥感图像半监督变化检测方法，其特征在于：包括如下步骤： 步骤A：将遥感双时图像数据集分为有标签数据集和无标签数据集；对有标签数据集施加弱数据增广，对无标签数据集先施加弱数据增广而后施加强数据增广和特征增广；拼接有标签数据集和无标签数据集得到半监督学习训练数据集； 步骤B：搭建教师模型和学生模型，并对教师模型和学生模型参数进行初始化； 步骤C：训练开始，利用步骤B得到的学生模型对步骤A生成的训练数据集中有标签弱增广数据、无标签强增广数据和无标签特征增广数据进行推理；利用步骤B得到的教师模型对步骤A生成的训练数据集中无标签弱增广数据进行推理生成粗伪标签； 步骤D：对步骤C得到的学生模型对有标签弱增广数据推理结果与步骤A生成的训练数据集中对应的标签进行有标签监督损失计算；使用针对遥感双时图像变化检测设计的边界优化方法对步骤C得到的粗伪标签进行细化，先计算细化后的伪标签与粗伪标签之间的一致性损失；再将细化后的伪标签与步骤C中得到的学生模型对无标签强增广和无标签特征增广数据推理结果计算半监督损失； 步骤E：利用步骤D得到的有标签监督损失、一致性损失和半监督损失计算总损失，利用随机梯度下降对学生模型参数进行更新；计算学生模型的稳定性，对教师模型参数进行更新； 步骤F：训练结束，利用步骤E得到的参数更新后的学生模型对遥感双时图像进行推理，得到变化检测结果。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。