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！

龙图腾网获悉哈尔滨工程大学申请的专利基于多尺度语义标记Transformer网络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：CN115393317B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202211026042.3，技术领域涉及：G06T7/00；该发明授权基于多尺度语义标记Transformer网络的遥感图像变化检测方法是由冯收;唐英杰;樊元泽;赵春晖;陈勇奇;闫奕名;宿南设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本基于多尺度语义标记Transformer网络的遥感图像变化检测方法在说明书摘要公布了：基于多尺度语义标记Transformer网络的遥感图像变化检测方法,涉及一种遥感图像变化检测方法。为了解决现有的基于Transformer的方法在一定程度上忽略了变化区域的空间信息，从而影响了遥感图像变化检测能力的问题。本发明首先采用特征编解码器提取特征图，利用多尺度语义标记编码器将来自特征编码器的不同尺度的特征图转化为不同长度的语义标记，然后送入Transformer获得全局语义信息。之后利用多尺度语义标记解码器将不同尺度的含有丰富语义信息的语义标记和含有丰富空间信息的多尺度特征图结合起来，获得语义空间联合特征，最终多尺度的语义空间联合特征以跳跃连接的方式在特征解码器中聚合，再通过分类器得到最终的变化结果图。

本发明授权基于多尺度语义标记Transformer网络的遥感图像变化检测方法在权利要求书中公布了：1.基于多尺度语义标记Transformer网络的遥感图像变化检测方法，其特征在于，首先获取遥感图像的双时相图像，然后输入遥感图像变化检测网络进行检测，得到遥感图像变化信息；所述的遥感图像变化检测网络包括两个编码网络、一个concat层、一个Transformer模块、两个多尺度语义标记解码器、一个特征解码器和一个分类器； 两个编码网络分别输入双时相图像的一个时相图像，两个编码网络结构相同，均包括一个特征编码器和一个多尺度语义标记编码器； 所述的特征编码器包括四个依次连接的卷积神经网络单元；每个特征编码器的输出分别输入到与其对应的多尺度语义标记编码器和多尺度语义标记解码器； 一个多尺度语义标记编码器包括4个并行的语义标记编码器，特征编码器包括四个依次连接的卷积神经网络单元的四个输出分别作为4个并行的语义标记编码器的输入；语义标记编码器的处理过程如下： 设输入的特征图为F，首先特征图的通道数通过一个像素级卷积层被设置为一个固定的值N，即其中H,W为特征图的宽和高；之后特征图F1通过一个卷积核为1的卷积层和Softmax激活层得到注意力图最终将F1和A相乘得到语义标记 concat层将多尺度语义标记编码器的多尺度语义沿语义标记长度的维度进行叠加，从而得到新的语义标记其中L指得是不同尺度的语义标记的长度之和，C是语义标记的通道数； Transformer模块用于对新的语义标记进行处理获得全局语义信息Tout，然后将全局语义信息Tout分别输入两个多尺度语义标记解码器； 两个多尺度语义标记解码器结构相同；每个多尺度语义标记解码器包括4个不同尺度的语义标记解码器，在语义标记解码器中，针对特征图语义标记首先将特征图F的通道数通过一个像素级的卷积层设置为N，即之后将全局语义信息Tout通过一个Softmax激活函数层得到注意力权重，并与通道数设置为N的特征图F2相乘，从而得到语义特征图接下来语义特征图Fsem通过一个卷积核为1的卷积层进行聚合并与特征图相加得到语义空间联合特征最终采用一个卷积核为1的卷积层将联合特征的通道数设置为C；每个不同尺度的语义标记解码器都得到一个语义空间联合特征图，两个多尺度语义标记解码器对应得到双时相语义空间联合特征图； 特征解码器包括依次连接的三个反卷积层，首先双时相图像通过特征编码器得到两个输出和两个输出相减并取绝对值得到特征解码器的输入；之后，来自多尺度语义标记解码器中不同尺度的语义标记解码器的语义空间联合特征图对应相减取绝对值并与各自对应的输入叠加送入反卷积层； 特征解码器得到最终输出后，分类器对输出结果进行分类，从而得到最终的变化结果图。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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。