Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种面向遥感变化解释召回率可调的多尺度特征融合深度网络 

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:中北大学

摘要:本发明涉及遥感图像变化检测领域,具体为一种面向遥感变化解释召回率可调的多尺度特征融合深度网络。遥感图像变化检测旨在辨识双时相图像感兴趣变化区域。然而,复杂场景下遥感图像变化区域形状、尺度的多样性极易导致相关变化检测算法出现严重漏检问题。针对上述问题,本发明首先提取双时相遥感图像分层次多尺度特征信息;然后,利用CNN、Transformer实现同尺度、跨尺度及多尺度特征局部及全局有效信息的融合;最后针对变化检测样本不平衡问题提出超期望推拉损失正则项,该损失函数可通过整体拉升正例样本的预测期望进而得到高召回率的深度学习模型。实验证明,本发明在定性、定量的指标方面都取得了显著效果。

主权项:1.一种面向遥感变化解释召回率可调的多尺度特征融合深度网络,其特征在于:包括特征提取网络和同尺度特征融合模块SsFFM、跨尺度特征融合模块CsFFM和多尺度全局特征融合模块MsFFM;该网络的算法步骤具体为:首先,将双时相遥感图像输入特征提取网络进行特征提取,并行获得原始多尺度局部特征其中H和W分别表示高和宽,C表示通道维数,表示实数集合;其次,将第m阶段多尺度局部特征对输入到SsFFM中,并把差异特征共享为多头注意力机制的Q,其K和V则分别从各自特征张量中提取,此举旨在特征提取网络提取的局部信息基础上建立其全局特征表示同时,将相邻多尺度局部特征一并输入到CsFFM,以非采样的形式实现了相邻但不同尺度的信息聚合进一步强化相邻特征之间的上下文相关性;然后,模块MsFFM对上述增强的多尺度特征进行了尺度整合并构建了Transformer解码器的Q及K、V,Transformer解码器的输出便是变化检测结果张量最后,通过对张量Fo实施卷积融合便可生成预测的变化检测掩码。

全文数据:

权利要求:

百度查询: 中北大学 一种面向遥感变化解释召回率可调的多尺度特征融合深度网络

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。