基于多任务卷积神经网络的露天采场识别与变化检测方法
摘要文本
本发明公开了一种基于多任务卷积神经网络的露天采场识别与变化检测方法，其方法包括：S1、采集研究区T1、T2两个时相的遥感影像数据，构建多任务卷积神经网络模型；S2、变化检测网络分支将第一识别网络分支得到的特征图与第二识别网络分支得到的特征图进行差分融合得到编码特征图，然后通过跳跃连接并进行特征融合得到特征图Dt‑5、Dt‑4、Dt‑3、Dt‑2；S3、变化检测网络分支将特征图Dt1‑2与特征图Dt2‑2进行差分融合得到特征图Da‑t2；S4、将特征图Dt‑2分别与通道注意力权重、空间注意力权重相乘运算得到特征图D′t‑2，然后通过上采样操作得到变化检测结果。本发明构建有基于孪生VGG‑16网络结构的多任务卷积神经网络模型，能够快速高效地应用于露天矿区采场识别与变化区域自动检测。 来源：专利查询网
申请人信息
- 申请人:中国矿业大学(北京)
- 申请人地址:100083 北京市海淀区学院路丁11号
- 发明人: 中国矿业大学(北京)
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于多任务卷积神经网络的露天采场识别与变化检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311359531.5 |
| 申请日 | 2023/10/19 |
| 公告号 | CN117671437A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06V10/80 |
| 权利人 | 中国矿业大学(北京) |
| 发明人 | 李军; 邢江河; 杜守航; 张成业; 李炜; 谢焱新 |
| 地址 | 北京市海淀区学院路丁11号 |
专利主权项内容
1.一种基于多任务卷积神经网络的露天采场以别与变化检测方法，其特征在于：其方法包括：S1、确定研究区，采集研究区T1、T2两个时相的遥感影像数据；构建多任务卷积神经网络模型，多任务卷积神经网络模型包括第一以别网络分支、第二识别网络分支、变化检测网络分支；第一以别网络分支的编码过程利用VGG-16网络提取T1影像数据的五个层级特征图，分别记为E、E、E、E、E-，第一识别网络分支的解码过程将特征图E、E、E通过跳跃连接并进行特征融合得到特征图D、D、D、D，然后通过上采样操作得到T1影像数据的识别结果；t1-1t1-2t1-3t1-4t15t1-2t1-3t1-4t1-5t1-4t1-3t1-2第二识别网络分支的编码过程利用VGG-16网络提取T2影像数据的五个层级特征图，分别记为E、E、E、E、E，第二识别网络分支解码过程将特征图E、E、E通过跳跃连接并进行特征融合得到特征图D、D、D、D，然后通过上采举操作得到T2影像数据的识别结果；t2-1t2-2t2-3t2-4t2-5t2-2t2-3t2-4t2-5t2-4t2-3t2-2S2、变化检测网络分支的编码过程将特征图E、E、E、E与特征图E、E、E、E进行差分融合得到编码特征图E、E、E、E；变化检测网络分支解码过程将编码特征图E、E、E通过跳跃连接并进行特征融合得到特征图D、D、D、D；t1-2t1-3t1-4t1-5t2-2t2-3t2-4t2-5t-2t-3t-4t-5t-2t-3t-4t-5t-4t-3t-2S3、变化检测网络分支将特征图D与特征图D进行差分融合得到特征图D；变化检测网络分支采用卷积注意力模块对特征图D进行处理得到通道注意力权重和空间注意力权重；t1-2t2-2t1-t2t1-t2S4、将特征图D分别与通道注意力权重、空间注意力权重相乘运算，得到通道方向上与空间方向上信息增强的特征图D′，然后通过上采样操作得到研究区的变化检测结果。t-2t-2 微信公众号马克 数据网