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！

龙图腾网获悉湖南大学申请的专利一种基于FPGA的遥感图像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：CN119478685B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411546356.5，技术领域涉及：G06V20/10；该发明授权一种基于FPGA的遥感图像变化检测方法是由方乐缘;陈添善;李宗凌;谢卫莹设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于FPGA的遥感图像变化检测方法在说明书摘要公布了：一种基于FPGA的遥感图像变化检测方法，包括：S1、采集或者选取数据集，并构建遥感变化检测网络；S2、从数据集中选取双时相图像输入到遥感变化检测网络中，得到变化检测结果，即预测值；S3、构建损失函数，计算预测值和样本真实值之间的损失，循环S2至S3，直至损失函数收敛，对遥感变化检测网络的权重进行更新；S4、对训练后的遥感变化检测网络进行BN层融合以及网络权重量化，将量化后的遥感变化检测网络部署在FPGA中并进行测试，得到变化检测后的结果图。本发明中量化后的遥感变化检测网络网络结构简单，非常适合FPGA部署，在保证准确率的前提下，参数量、计算量和内存占用大大减小。

本发明授权一种基于FPGA的遥感图像变化检测方法在权利要求书中公布了：1.一种基于FPGA的遥感图像变化检测方法，其特征在于，包括如下步骤： S1、采集或者选取数据集，并构建遥感变化检测网络； S2、从数据集中选取双时相图像输入到遥感变化检测网络中，遥感变化检测网络内的高效早期融合模块对双时相图像进行特征图提取、增强和叠加，并将得到的高效早期融合模块的输出输入到解码模块中，得到变化检测结果，即预测值； S3、构建总损失函数，计算预测值和样本真实值之间的损失，循环S2至S3，直至总损失函数收敛，然后使用反向传播算法对遥感变化检测网络的权重进行更新，得到训练后的遥感变化检测网络； S4、对训练后的遥感变化检测网络进行BN层融合以及网络权重量化，将量化后的遥感变化检测网络部署在FPGA中并进行测试，得到变化检测后的结果图； 所述S1中构建遥感变化检测网络包括如下步骤： S11、首先分别对轻量级深度学习网络中的普通单元和下采样单元进行改进，得到改进的轻量级深度学习网络； S12、基于改进的轻量级深度学习网络以及S11中改进的普通单元构建高效早期融合模块； S13、基于改进的轻量级深度学习网络构建与高效早期融合模块连接的解码模块，高效早期融合模块和解码模块构成了遥感变化检测网络； 所述S11具体包括如下步骤： S111、分别将轻量级深度学习网络内的普通单元和下采样单元中的通道洗牌操作移除；至此，得到改进的普通单元； S112、将移除通道洗牌操作后的下采样单元中的步长为2的逐通道卷积层替换为步长为一个2×2的最大池化层，然后在该最大池化层上连接一个步长为1的逐通道卷积层，至此，得到改进的下采样单元以及改进的轻量级深度学习网络； 所述S13中的解码模块包括轻量级骨干网络、两个轻量级的特征金字塔结构和分类层； 其中轻量级骨干网络分别与两个轻量级的特征金字塔结构连接，两个轻量级的特征金字塔结构分别与分类层连接； 轻量级骨干网络包括由多个依次连接的组合单元块组成，每个组合单元块包含1个改进的下采样单元和3个改进的普通单元； 两个轻量级的特征金字塔结构均由上采样算子、特征相加算子、逐点卷积层和逐通道卷积层组成，负责对多个不同尺度的特征进行融合解码； 所述S4具体包括如下步骤： S41、对训练后的遥感变化检测网络进行BN层融合以及网络权重量化，并将量化后的遥感变化检测网络导出并存放到FPGA开发板中的SD卡中； S42、采用了HLS技术对量化后的遥感变化检测网络中的算子进行并行设计与优化，并基于这些算子搭建FPGA加速器系统； S43、采集待检测图像，并将待检测图像输入到部署量化后的遥感变化检测网络的FPGA加速器系统中，FPGA加速器系统依据进行板级推理验证，得到变化检测后的结果图。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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”。

以上内容由龙图腾AI智能生成。