公开(公告)号：CN118470498A

公开(公告)日：2024-08-09

申请号：CN202410690412.6

申请日：2024-05-30

Applicant: 清华大学

Inventor： 王学谦 ,  张成洋 ,  李刚 ,  李伟明

IPC: G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082 ,  G06N3/096

Abstract: 本发明公开了一种结合量化、剪枝与深度学习的轻量化变化检测方法，该方法包括对预训练的VGG网络的网络参数进行量化得到纯整数的VGG网络；冻结纯整数的VGG网络的部分权重参数，训练未冻结的网络卷积层的权重参数以得到VGG网络模型；将基于块均值的亲和度矩阵方法选择出的具有最大/最小变化概率的两类图像样本输入至所述VGG网络模型中以进行纯整数训练，并对网络进行滤波器维度的剪枝以得到训练好的VGG网络模型；将用于测试的两类图像输入至训练好的VGG网络模型输出得到差异图像，并利用最大类间方差法将差异图像二分类成最终变化图像。本发明将量化与剪枝方法应用在VGG网络中，可以实现图像变化的精准检测。

公开(公告)号：CN120070337A

公开(公告)日：2025-05-30

申请号：CN202510068367.5

申请日：2025-01-16

Applicant: 清华大学

Inventor： 王学谦 ,  张成洋 ,  李刚

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本申请提出了一种基于无反向传播学习的轻量化遥感变化检测方法，包括：对待推理的变化前后的遥感图像进行均匀切分，得到子图像集合；使用基于块维度的亲和度矩阵方法，从子图像集合中选择发生变化的变化前后子图像与未发生变化的变化前后子图像作为神经网络的训练样本；使用训练样本，采用局部学习方法微调神经网络，在微调时，为需要训练的卷积层分配损失函数进行微调，并保持其他卷积层的参数不变，使其他卷积层执行正向传播，得到微调后的神经网络；将待推理的变化前后的遥感图像输入神经网络中进行推理，并对推理结果二值化，得到二值变化结果。采用上述方案的本发明适用于计算资源受限时的异构遥感图像变化检测。