公开(公告)号：CN119762965A

公开(公告)日：2025-04-04

申请号：CN202411809108.5

申请日：2024-12-10

Applicant: 西安交通大学

Inventor： 宋永红 ,  粟优 ,  吴晓萌

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开基于改善伪标签边界质量的超高分辨率遥感图像半监督变化检测方法，变化检测旨在发掘双时图像中后一时刻图像较前一时刻图像的变化区域；本发明通过高质量的伪标签，增强半监督学习引导,包含以下步骤：1、准备半监督学习训练数据集；2、搭建教师模型和学生模型；3、训练开始，学生模型对训练数据集数据进行推理，利用教师模型生成对应粗伪标签；4、使用边界优化方法对粗伪标签进行细化，计算标签的一致性损失与学生模型推理结果损失；5、计算总损失，学生模型和教师模型进行参数更新；6、训练结束，学生模型对遥感双时图像进行变化检测；本发明改善了受制于粗糙的伪标签边界而无法获得进一步提升的半监督变化检测性能。

公开(公告)号：CN119762981A

公开(公告)日：2025-04-04

申请号：CN202411809380.3

申请日：2024-12-10

Applicant: 西安交通大学

Inventor： 宋永红 ,  吴晓萌 ,  粟优

IPC: G06V20/13 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及计算机视觉领域，具体涉及一种超高分辨率遥感图像变化检测的平衡全局和局部表征网络及方法，本发明提出的网络在可以保留更多的变化特征，同时有效的平衡全局和局部表征，最后利用深层语义信息指导变化图的生成。具体而言，本发明提出的网络使用视觉曼巴特征编码器代替普通卷积神经网络特征编码，并且利用门控融合方法、平衡全局和局部表征方法、深度语义细化方法处理视觉曼巴特征编码器的特征。保持了更多的变化特征，同时平衡全局和局部特征，利用深度语义信息特征，抑制伪变化区域，增强变化区域。本发明通过上述网络，配合超高分辨率遥感图像变化检测方法，大大提高了超高分辨率遥感图像变化检测的性能。