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：江西师范大学
摘要：本发明属于图像处理技术领域，公开了一种基于迁移学习的半监督高分辨率遥感图像变化检测方法，将全监督过程中训练得到的模型参数作为无监督学习过程中的初始模型参数；无监督学习中，将深度特征提取模块的输出特征图经过随机扰动差异化获得多个扰动特征图，深度特征提取模块的输出特征图和多个扰动特征图分别采用解码器获得包含变化信息的多个预测变化图，得到无监督学习后的模型参数；基于无监督学习后的模型参数进行迁移学习，获得新的模型参数；利用新的模型参数对目标领域数据进行变化检测。本发明将源领域训练得到的深度学习模型通过迁移学习技术应用到目标领域，帮助目标领域的变化检测模型具有更好的检测性能。
主权项：1.一种基于迁移学习的半监督高分辨率遥感图像变化检测方法，包括全监督学习过程、无监督学习过程和迁移学习过程；其特征在于：源领域数据包括标签数据和无标签数据；全监督学习过程利用源领域的标签数据，采用编码器获取带标签的变化前图像和变化后图像的隐藏特征，并计算特征差异图，通过深度特征提取模块对特征差异图进行特征提取，得到深度特征提取模块的输出特征图，采用解码器解码所得输出特征图，获得包含变化信息的预测变化图；将全监督过程中训练得到的模型参数作为无监督学习过程中的初始模型参数；无监督学习过程利用源领域的无标签数据，采用编码器获取无标签的变化前图像和变化后图像的隐藏特征，并计算特征差异图，经过对特征差异图进行特征提取，得到深度特征提取模块的输出特征图，深度特征提取模块的输出特征图经过随机扰动差异化获得多个扰动特征图，深度特征提取模块的输出特征图和多个扰动特征图分别采用解码器获得包含变化信息的多个预测变化图；得到无监督学习后的模型参数；基于无监督学习后的模型参数进行迁移学习，迁移学习过程利用目标领域的标签数据和部分无标签数据，再次进行全监督学习和无监督学习，获得新的模型参数；利用新的模型参数对目标领域数据进行变化检测。
全文数据：
权利要求：
百度查询： 江西师范大学 基于迁移学习的半监督高分辨率遥感图像变化检测方法
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