公开(公告)号：CN117173573B

公开(公告)日：2025-05-16

申请号：CN202311195257.2

申请日：2023-09-16

Applicant: 福州大学

Inventor： 李蒙蒙 ,  张少锋 ,  汪小钦

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/26 ,  G06V10/52 ,  G06V10/764 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明提出了一种城市建筑物类型变化遥感检测方法。构建一种基于高分辨率遥感影像的城市建筑物类型变化检测模型，具体由语义分割和变化检测两大模块组成。语义分割模块利用Swim Transformer作为编码器，提升特征提取过程中的全局感知能力。通过不同任务的参数共享机制同时学习建筑物类型信息和边界信息，解决建筑物类型变化的检测问题，并在特征提取阶段融入多尺度特征对比学习，提升网络对变化地物的感知能力。配合变化检测模块，该方法可同时识别建筑物的边界和类型变化信息。本发明集成了端到端的深度神经网络，实现了利用高分辨率遥感影像自动检测城市建筑物类型变化。

公开(公告)号：CN117173573A

公开(公告)日：2023-12-05

申请号：CN202311195257.2

申请日：2023-09-16

Applicant: 福州大学

Inventor： 李蒙蒙 ,  张少锋 ,  汪小钦

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/26 ,  G06V10/52 ,  G06V10/764 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明提出了一种城市建筑物类型变化遥感检测方法。构建一种基于高分辨率遥感影像的城市建筑物类型变化检测模型，具体由语义分割和变化检测两大模块组成。语义分割模块利用Swim Transformer作为编码器，提升特征提取过程中的全局感知能力。通过不同任务的参数共享机制同时学习建筑物类型信息和边界信息，解决建筑物类型变化的检测问题，并在特征提取阶段融入多尺度特征对比学习，提升网络对变化地物的感知能力。配合变化检测模块，该方法可同时识别建筑物的边界和类型变化信息。本发明集成了端到端的深度神经网络，实现了利用高分辨率遥感影像自动检测城市建筑物类型变化。