西安电子科技大学冯志玺获国家专利权
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!
龙图腾网获悉西安电子科技大学申请的专利一种基于CutMix-ResNet的半监督建筑物变化检测方法及系统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:CN114494873B 。
龙图腾网通过国家知识产权局官网在2025-04-25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:202210082472.0,技术领域涉及:G06V20/10;该发明授权一种基于CutMix-ResNet的半监督建筑物变化检测方法及系统是由冯志玺;陈帅;杨淑媛;高雅晨;彭同庆;胡浩设计研发完成,并于2022-01-24向国家知识产权局提交的专利申请。
本一种基于CutMix-ResNet的半监督建筑物变化检测方法及系统在说明书摘要公布了:本发明公开了一种基于CutMix‑ResNet的半监督建筑物变化检测方法及系统,将遥感数据集划分为有标签训练数据集和无标签测试数据集;将训练数据集进行数据预处理;利用训练数据集进行CutMix得到的增强数据集训练区域级老师模型和样本级老师模型;利用两个老师模型以及少量有标签数据集共同训练学生模型。本发明采用CutMix技术对原始标签数据集进行数据增强,并对两个老师模型各自的自监督损失和相互的交叉伪监督损失进行优化,使得共同训练的学生模型更加鲁棒、完备,提高了变化检测模型的泛化性能和准确率,可用于遥感数据的变化检测。
本发明授权一种基于CutMix-ResNet的半监督建筑物变化检测方法及系统在权利要求书中公布了:1.一种基于CutMix-ResNet的半监督建筑物变化检测方法,其特征在于,包括以下步骤:S1、通过遥感卫星对同一地段的不同时相,采集三通道RGB遥感数据,对三通道RGB遥感数据每个通道进行数据归一化预处理,得到遥感双时像数据;S2、将步骤S1得到的遥感双时像数据划分为有标签训练数据集和有标签验证数据集;S3、将步骤S1得到的遥感双时像数据进行CutMix操作,得到增强数据,构建基于CutMix-ResNet的半监督建筑物变化检测区域级老师模型MRL和样本级老师模型MSL,具体为:S301、将两个时相的数据和进行CutMix操作,得到增强数据和,增强数据和统称为和;S302、搭建残差块的基本结构,通过shortcutconnection操作连接浅层和深层信息,使最开始的输入和经过卷积网络处理的结果直接相加,对相加的结果再使用层标准化处理,构成残差块的基本结构;S303、搭建残差块,具体为第一卷积层,第一标准化层,激活层,第二卷积层,第二标准化层和第一卷积层的shortcutconnection;S304、搭建残差块之间连接的激活层,采用作为激活函数,加入非线性因素;S305、重复步骤S303~S304的工作N次,完成单个Encoder处理数据的流程,将步骤S303搭建的残差块和激活层连接得到单个Encoder模块,再将多个Encoder模块连接得到多个Encoder网络,作为网络的解码器;S306、搭建用于分类的残差神经网络,在平均池化层之后使用全连接层修改步骤S205网络的解码器中最后一个Encoder的输出维度为伪label;S307、对步骤S306处理后的自监督损失项的结果采用二分类交叉熵损失函数计算交叉熵损失,优化残差神经网络;S308、采用步骤S306搭建好的残差神经网络,输入数据为和,搭建区域级老师模型;S309、采用步骤S306搭建好的残差神经网络,输入数据为和,搭建样本级老师模型;S310、将步骤S301中CutMix增强的数据和输入步骤S308搭建的区域级老师模型计算交叉伪监督损失;S311、将原始数据和输入步骤S309搭建的区域级老师模型计算交叉伪监督损失;S312、选择Adam优化方法,每完成一个批次训练验证一次,保存训练过程的交叉熵损失、训练准确率、验证交叉熵损失、验证准确率;S4、集成步骤S3得到的区域级老师模型MRL和样本级老师模型MSL,以及步骤S2预先标注好的有标签样本共同训练学生模型,再将步骤S2划分的有标签验证数据集输入训练好的学生模型中,实现基于ResNet师生网络的变化检测。
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西安电子科技大学,其通讯地址为:710071 陕西省西安市雁塔区太白南路2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”。
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。