国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發布專利 發布成果 人才入駐 發布商標 發布需求

在線咨詢

聯系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜福州大學汪小欽獲國家專利權

恭喜福州大學汪小欽獲國家專利權

買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

龍圖騰網恭喜福州大學申請的專利自注意力特征融合的高分辨率遙感影像語義變化檢測方法獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN116486255B

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202310253842.7,技術領域涉及:G06V20/10;該發明授權自注意力特征融合的高分辨率遙感影像語義變化檢測方法是由汪小欽;林海涵;李蒙蒙設計研發完成,并于2023-03-16向國家知識產權局提交的專利申請。

自注意力特征融合的高分辨率遙感影像語義變化檢測方法在說明書摘要公布了:本發明涉及一種自注意力特征融合的高分辨率遙感影像語義變化檢測方法。該方法結合深度學習技術構建一種針對高分辨率遙感影像土地利用土地覆蓋(LULC)的地物語義變化檢測模型。模型對已完成預處理和裁剪的高分辨率遙感影像采用卷積神經網絡CNN和Transformer組合編碼層提取雙時相高分辨率影像的深層特征,配合自注意力特征融合模塊和多任務反卷積解碼層進行LULC的變化區域檢測和變化區域內前后時相的地物類型分類。本發明結合多任務學習思想,將變化區域檢測和變化類型識別集成為一體,實現自動化的雙時相高分辨率影像LULC語義變化檢測。

本發明授權自注意力特征融合的高分辨率遙感影像語義變化檢測方法在權利要求書中公布了:1.一種自注意力特征融合的高分辨率遙感影像語義變化檢測方法,其特征在于,包括如下步驟:步驟S1、獲取同一區域兩個不同時相高分辨率遙感影像,對影像進行預處理,包括輻射校正、正射校正、大氣校正、影像融合、影像配準和影像重采樣的操作;步驟S2、對完成預處理的影像進行裁剪和數據增廣處理,經人工篩選和校正構建高分辨率影像土地利用和土地覆蓋LULC瓦片樣本數據集;步驟S3、基于步驟S2構建的LULC瓦片樣本數據集,分別將相對應的雙時相影像樣本對分別輸入兩個特征編碼層中進行雙時相影像深層特征信息識別和提取;步驟S4、構建一種自注意力特征融合模塊,對步驟S3所提取的雙時相影像深層特征信息采用自注意力特征融合模塊進行特征的融合,得到融合特征;步驟S5、對步驟S4獲取的融合特征構建多任務特征解碼層;多任務解碼層中,一個任務用于變化區域的檢測,另一個任務用于變化區域內前后時相LULC特征信息中地物類型的識別,將變化區域預測結果對變化類型結果進行掩膜實現空間區域約束;具體實現如下:步驟S51、構建多任務分支上采樣層,其中包括變化區域檢測分支和變化類型識別分支兩個任務,而兩個任務采取權重共享方式實現變化區域檢測和變化類型識別精度的并行優化;步驟S52、對于變化區域檢測的分支任務,選取3個卷積核大小為3×3的反卷積層和3個雙線性插值法的上采樣層組成變化區域檢測的解碼器;步驟S53、對于變化類型識別分支任務,選取2個卷積核大小為3×3的反卷積層、2個卷積核大小為1×1的反卷積層和3個雙線性插值法的上采樣層組成LULC變化類型檢測的解碼器;將需要雙分支并行解碼器統一為單分支解碼器,僅在解碼器的最后一層采用2個反卷積層分別輸出變化區域內時相前后的地物類型識別結果,完成對語義變化信息的檢測;步驟S54、將步驟S52變化區域的二分類檢測結果對步驟S53語義變化信息的多分類檢測結果進行掩膜,實現預測結果的空間約束;步驟S6、結合對應的真實瓦片樣本標簽,運用多任務損失函數對模型預測結果進行差異度度量計算并選擇參數優化器進行模型反向傳播的參數更新和優化,通過多次迭代訓練調整模型參數;步驟S6,包括:步驟S61、基于步驟S5多任務特征解碼層所使用的多任務解碼器,以兩種損失函數計算并將最終的計算結果進行相加作為模型最后的損失函數值;使用的損失函數包括FocalLoss和二分類交叉熵損失函數BCELoss,其中,FocalLoss用于變化類型檢測的損失計算,BCELoss用于變化區域檢測的損失計算;FocalLoss定義如下:LFocal=-αt1-qxγ·∑px·logqx+1-px·log1-qx式中,px代表預測概率分布,qx代表真實概率分布,αt表示正負樣本的權重,γ為gamma系數,用于降低簡單類樣本的損失計算結果值;BCELoss定義如下:LBCE=-px·logqx+1-px·log1-qx式中,px代表預測概率分布,qx代表真實概率分布;步驟S7、利用步驟S6優化后的模型,完成整個區域LULC變化類型識別。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人福州大學,其通訊地址為:350108 福建省福州市閩侯縣福州大學城烏龍江北大道2號福州大學;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
主站蜘蛛池模板: 呈贡县| 祁阳县| 永清县| 铁岭县| 遵义县| 玉林市| 宜兴市| 大方县| 墨江| 石泉县| 手机| 额济纳旗| 南召县| 蒙自县| 禄丰县| 都安| 无极县| 张家口市| 扎鲁特旗| 鄂伦春自治旗| 五华县| 丹棱县| 浪卡子县| 平顶山市| 桂东县| 石城县| 九江市| 松江区| 海盐县| 嫩江县| 莒南县| 弋阳县| 特克斯县| 通渭县| 达孜县| 万源市| 玉林市| 孝义市| 江达县| 莱西市| 太谷县|