龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：中山大学
摘要：本发明公开了一种基于深度学习的城市居住空间遥感变化检测方法，涉及遥感影像处理的技术领域。首先采用层级密集连接网络模块分别对前后两个时相的城市居住空间遥感图像进行深度特征提取，输出浅、中及高层特征；然后采用Transformer网络模块对浅、中及高层特征进行自注意力特征挖掘，凸显时相中城市居住空间的显著特征。再采用分级特征交叉注意力机制融合浅、中和高层特征信息，最后利用多层感知机对两时相遥感图像的变化和未变化城市居住空间进行识别与检测，输出变化检测图。本发明能够增强网络模型对城市居住空间时序变化特征提取与检测的能力，提高检测结果的准确性，可为城市规划、城市功能空间优化、城市居住空间演变等应用领域提供精细化的实证基础。
主权项：1.一种基于深度学习的城市居住空间遥感变化检测方法，其特征在于，包括：S1:获取目标城市居住空间的遥感图像对集合，所述遥感图像对集合中的每组遥感图像对包括第一时相遥感图像和第二时相遥感图像，根据遥感图像对获取对应真实变化图像，构建城市居住空间遥感变化检测模型，所述变化检测模型包括层级密集连接网络模块，Transformer网络模块，交叉注意力模块，多层感知机模块；S2：分别将第一时相遥感图像和第二时相遥感图像输入到层级密集连接网络模块，获得第一时相多尺度特征图像和第二时相多尺度特征图像；S3：将第一时相多尺度特征图像和第二时相多尺度特征图像输入到Transformer网络模块进行特征挖掘，获得第一时相多尺度显著特征图像和第二时相多尺度显著特征图像；S4：将第一时相多尺度显著特征图像和第二时相多尺度显著特征图像输入到交叉注意力模块进行融合，获得融合图像，将融合图像输入到多层感知机模块，获得预测变化图像；S5：根据所述真实变化图像和预测变化图像构建总损失函数，对城市居住空间遥感变化检测模型进行训练，得到训练好的城市居住空间遥感变化检测模型；S6：获取目标城市居住空间不同时相遥感图像，输入训练好的城市居住空间遥感变化检测模型中，获得变化检测图像。
全文数据：
权利要求：
百度查询： 中山大学 一种基于深度学习的城市居住空间遥感变化检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号