申请/专利权人:西安理工大学
申请日:2023-12-14
公开(公告)日:2024-04-09
公开(公告)号:CN117853940A
主分类号:G06V20/13
分类号:G06V20/13;G06V10/764;G06V10/82;G06N3/0475;G06N3/088;G06N3/084;G06N3/0455;G06N3/0464;G06V10/762
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了基于深度对抗度量学习网络的异质遥感图像变化检测方法,具体步骤为:步骤1,构建双边卷积自编码数据转换网络作为生成网络;步骤2,构建基于全连接网络的判别网络,使该判别网络与步骤1中的生成网络构成对抗网络,并构建对抗网络的对抗损失函数;步骤3,利用深度度量学习的方法构建对抗网络的背景区域先验;步骤4,在步骤3的基础上,构建基于深度度量学习的对抗网络的总损失函数;步骤5,训练对抗网络,训练完成后,输入异质遥感图像X和Y进行变化检测。采用本发明能够实现完全无监督的实现端到端地对变化区域进行检测。
主权项:1.基于深度对抗度量学习网络的异质遥感图像变化检测方法,其特征在于:具体包括如下步骤:步骤1,构建双边卷积自编码数据转换网络作为生成网络;步骤2,构建基于全连接网络的判别网络,使该判别网络与步骤1中的生成网络构成对抗网络,并构建对抗网络的对抗损失函数;步骤3,利用深度度量学习的方法构建对抗网络的背景区域先验;步骤4,在步骤3的基础上,构建基于深度度量学习的对抗网络的总损失函数;步骤5,训练对抗网络,训练完成后,输入异质遥感图像X和Y进行变化检测。
全文数据:
权利要求:
百度查询: 西安理工大学 基于深度对抗度量学习网络的异质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。