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！

龙图腾网恭喜安徽大学申请的专利基于条件对抗网络的遥感影像建筑物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：CN114708501B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202210314950.6，技术领域涉及：G06V20/10；该发明授权基于条件对抗网络的遥感影像建筑物变化检测方法是由王彪;杨辉;吴艳兰设计研发完成，并于2022-03-28向国家知识产权局提交的专利申请。

本基于条件对抗网络的遥感影像建筑物变化检测方法在说明书摘要公布了：本发明涉及遥感影像建筑物检测技术领域，涉及一种基于条件对抗网络的遥感影像建筑物变化检测方法，包括：1利用全卷积网络，研究多源高分辨率影像建筑物的语义分析和自适应传播方法，研究多时相建筑物形态特征感知方法及隐式概率分布；2利用损失函数进行网络的优化和训练，开展建筑物多态模拟集的自学习、分析和生成，同时进行真实性判定、优化和对抗，研究生成模型与判别模型之间的对抗与优化方法，提取建筑物的变化概率分布；3研究建筑物的域不变特征分析方法，加入分类器模型，获取建筑物变化检测结果；4利用地表真实变化数据进行多种方式的定性与定量评价。本发明利用条件对抗网络实现建筑物变化的有效判定和提取。

本发明授权基于条件对抗网络的遥感影像建筑物变化检测方法在权利要求书中公布了：1.基于条件对抗网络的遥感影像建筑物变化检测方法，其特征在于：包括以下步骤：1在条件对抗网络中，利用全卷积网络，研究多源高分辨率影像建筑物的语义分析和自适应传播方法，通过交叉融合构建噪声矢量以获取其潜在关系，引入域自适应特征空间，研究多时相建筑物形态特征感知方法及隐式概率分布，为条件对抗网络的自学习与训练提供可靠数据源；2利用损失函数进行网络的优化和训练，结合建筑物形态特征，通过生成模型开展建筑物多态模拟集的自学习、分析和生成，同时进行判别模型的数据间的真实性判定、优化和对抗，结合建筑物多层次语义特征和潜在空间关系，研究生成模型与判别模型之间的对抗与优化方法，精确提取建筑物的变化概率分布；3研究建筑物的域不变特征分析方法，加入Softmax交叉熵损失函数的分类器模型，并结合决策规则，获取高精度的建筑物变化检测结果；4利用地表真实变化数据对变化检测结果进行多种方式的定性与定量评价；利用全卷积网络的多层网络结构，研究从浅层局部特征到深层抽象特征的自适应学习与分析方法，设计多源数据批标准化与非线性激活函数，改善网络的稳定性和收敛速度，实现对建筑物多层次语义特征分析，具体如下：卷积网络的每一层数据是由h×w空间维度和d特征维数所组成的三维数据，对高分辨率遥感影像进行卷积运算和特征提取；在卷积层中，输入像元坐标i,j下xij向量，其输出向量为yij，其表达公式为：yij＝fKs{xsi+δi,sj+δj}0≤δi,δj≤K1其中，K为卷积核尺寸，s表示步幅长度，最终通过激活函数f得到特征影像；当卷积核大小和步幅长度遵循转换规则时，激活函数表达为： 其中，代表哈达玛积；当普通深度网络g对非线性函数进行计算时，并只对每一层计算非线性滤波，即称为全卷积网络；通过任意尺寸的输入数据进行计算并产生相应的空间维度输出，如果损失函数为最后一层的空间维度总和，则表示为： 最终，梯度l将是每层空间组成梯度的总和。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。