公开(公告)号：CN112861931A

公开(公告)日：2021-05-28

申请号：CN202110083681.2

申请日：2021-01-21

Applicant: 南开大学

Inventor： 程明明 ,  梅杰 ,  郑一博

IPC: G06K9/62 ,  G06N3/04 ,  G06T7/30

Abstract: 本公开提供了一种基于差异注意力神经网络的多级别变化检测方法，基于多时序图像融合技术，由自底向上网络、差异引导的注意力模块、自顶向下网络构成，差异引导的注意力模块包含两个串联的分支，分别是双时序聚合分支和差异注意力分支，前者用于学习双时序图像间的全局变化信息，后者用于探索图像间多级别变化的局部关系，提高不同变化的判别能力；本公开改进了U型网络结构中自底向上和自顶向下之间的特征学习过程，不仅保留了每个输入特征图的空间尺寸，而且实现了双时序图像间全局和局部差异信息的学习，可同时完成建筑物的分割和多级别损毁检测两个任务，显著提高了变化检测的效率和效果。

公开(公告)号：CN112861931B

公开(公告)日：2022-04-12

申请号：CN202110083681.2

申请日：2021-01-21

Applicant: 南开大学

Inventor： 程明明 ,  梅杰 ,  郑一博

IPC: G06K9/62 ,  G06V10/774 ,  G06N3/04 ,  G06T7/30

Abstract: 本公开提供了一种基于差异注意力神经网络的多级别变化检测方法、系统、介质及电子设备，基于多时序图像融合技术，由自底向上网络、差异引导的注意力模块、自顶向下网络构成，差异引导的注意力模块包含两个串联的分支，分别是双时序聚合分支和差异注意力分支，前者用于学习双时序图像间的全局变化信息，后者用于探索图像间多级别变化的局部关系，提高不同变化的判别能力；本公开改进了U型网络结构中自底向上和自顶向下之间的特征学习过程，不仅保留了每个输入特征图的空间尺寸，而且实现了双时序图像间全局和局部差异信息的学习，可同时完成建筑物的分割和多级别损毁检测两个任务，显著提高了变化检测的效率和效果。