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！

龙图腾网获悉中国科学院空天信息创新研究院申请的专利基于特征融合深监督网络的受淹基础设施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：CN119579931B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411513462.3，技术领域涉及：G06V10/75；该发明授权基于特征融合深监督网络的受淹基础设施变化检测方法是由王福涛;秦港;王世新;王丽涛;刘文亮;朱金峰;侯艳芳;赵清设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本基于特征融合深监督网络的受淹基础设施变化检测方法在说明书摘要公布了：本发明提供一种基于特征融合深监督网络的受淹基础设施变化检测方法，其中，上述方法包括：获取灾前影像与灾后影像；将灾前影像输入至灾前编码器，得到多个不同尺度的灾前影像特征；将灾后影像输入至灾后编码器，得到多个不同尺度的灾后影像特征；将多个不同尺度的灾前影像特征与多个不同尺度的灾后影像特征，分别输入至多注意力约束的深监督多尺度特征融合模块，得到多个不同尺度的灾前通道空间校正特征图与多个不同尺度的灾后通道空间校正特征图；将灾前通道空间校正特征图与灾后通道空间校正特征图输入至解码器，得到变化检测图；通过本发明能够提高洪涝复杂场景中受淹建筑物道路的变化监测能力。

本发明授权基于特征融合深监督网络的受淹基础设施变化检测方法在权利要求书中公布了：1.一种基于特征融合深监督网络的受淹基础设施变化检测方法，其特征在于，包括： 获取灾前影像与灾后影像，其中，所述灾前影像用于表示目标对象在遭受洪涝灾害之前的影像，所述灾后影像用于表示所述目标对象在遭受洪涝灾害之后的影像； 将所述灾前影像输入至灾前编码器，得到所述灾前编码器输出的多个不同尺度的灾前影像特征； 将所述灾后影像输入至灾后编码器，得到所述灾后编码器输出的多个不同尺度的灾后影像特征； 将所述多个不同尺度的灾前影像特征输入至多注意力约束的深监督多尺度特征融合模块，得到所述多注意力约束的深监督多尺度特征融合模块输出的多个不同尺度的灾前通道空间校正特征图； 将所述多个不同尺度的灾后影像特征输入至所述多注意力约束的深监督多尺度特征融合模块，得到所述多注意力约束的深监督多尺度特征融合模块输出的多个不同尺度的灾后通道空间校正特征图； 其中，所述多注意力约束包括通道注意机制与空间注意机制； 将所述灾前通道空间校正特征图与所述灾后通道空间校正特征图输入至解码器，得到所述解码器输出的变化检测图，其中，所述灾前通道空间校正特征图与所述灾前通道空间校正特征图的尺度相同，所述变化检测图用于表示所述目标对象的变化监测对比结果； 所述将所述多个不同尺度的灾前影像特征输入至多注意力约束的深监督多尺度特征融合模块，得到所述多注意力约束的深监督多尺度特征融合模块输出的多个不同尺度的灾前通道空间校正特征图，包括： 将所述多个不同尺度中的每个尺度分别作为目标尺度执行以下操作，得到目标尺度的灾前通道空间校正特征图： 对所述多个不同尺度的灾前影像特征分别进行上采样，得到多个不同通道数的目标尺度的灾前影像特征； 对所述多个不同通道数的目标尺度的灾前影像特征进行通道拼接，得到目标尺度特征图； 将所述目标尺度特征图输入至通道注意模块，得到所述通道注意模块输出的通道注意特征图； 将所述通道注意特征图与所述目标尺度特征图进行相乘，得到通道校正特征图； 将所述目标尺度特征图输入至空间注意力模块，得到所述空间注意力模块输出的空间注意力特征图； 将所述空间注意力特征图与所述目标尺度特征图进行相乘，得到空间校正特征图； 将所述通道校正特征图与所述空间校正特征图进行相乘，得到目标尺度的灾前通道空间校正特征图。

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中国科学院空天信息创新研究院，其通讯地址为：100094 北京市海淀区邓庄南路9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。