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！

龙图腾网获悉中山大学申请的专利一种基于深度学习的城市居住空间遥感变化检测方法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：CN118736417B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202410886389.8，技术领域涉及：G06V20/10；该发明授权一种基于深度学习的城市居住空间遥感变化检测方法是由袁晓蝶;周春山;韦晓莉设计研发完成，并于2024-07-03向国家知识产权局提交的专利申请。

本一种基于深度学习的城市居住空间遥感变化检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的城市居住空间遥感变化检测方法，涉及遥感影像处理的技术领域。首先采用层级密集连接网络模块分别对前后两个时相的城市居住空间遥感图像进行深度特征提取，输出浅、中及高层特征；然后采用Transformer网络模块对浅、中及高层特征进行自注意力特征挖掘，凸显时相中城市居住空间的显著特征。再采用分级特征交叉注意力机制融合浅、中和高层特征信息，最后利用多层感知机对两时相遥感图像的变化和未变化城市居住空间进行识别与检测，输出变化检测图。本发明能够增强网络模型对城市居住空间时序变化特征提取与检测的能力，提高检测结果的准确性，可为城市规划、城市功能空间优化、城市居住空间演变等应用领域提供精细化的实证基础。

本发明授权一种基于深度学习的城市居住空间遥感变化检测方法在权利要求书中公布了：1.一种基于深度学习的城市居住空间遥感变化检测方法，其特征在于，包括： S1:获取目标城市居住空间的遥感图像对集合，所述遥感图像对集合中的每组遥感图像对包括第一时相遥感图像和第二时相遥感图像，根据遥感图像对获取对应真实变化图像，构建城市居住空间遥感变化检测模型，所述变化检测模型包括层级密集连接网络模块，Transformer网络模块，交叉注意力模块，多层感知机模块； S2：分别将第一时相遥感图像和第二时相遥感图像输入到层级密集连接网络模块，获得第一时相多尺度特征图像和第二时相多尺度特征图像； S3：将第一时相多尺度特征图像和第二时相多尺度特征图像输入到Transformer网络模块进行特征挖掘，获得第一时相多尺度显著特征图像和第二时相多尺度显著特征图像； S4：将第一时相多尺度显著特征图像和第二时相多尺度显著特征图像输入到交叉注意力模块进行融合，获得融合图像，将融合图像输入到多层感知机模块，获得预测变化图像； S5：根据所述真实变化图像和预测变化图像构建总损失函数，对城市居住空间遥感变化检测模型进行训练，得到训练好的城市居住空间遥感变化检测模型； S6：获取目标城市居住空间不同时相遥感图像，输入训练好的城市居住空间遥感变化检测模型中，获得变化检测图像； 所述S1中，所述层级密集连接网络模块包括依次连接的第一BN-ReLU-Conv2D子模块、第一Concat层、第二BN-ReLU-Conv2D子模块、第二Concat层、第三BN-ReLU-Conv2D子模块、第三Concat层、第四BN-ReLU-Conv2D子模块和第四Concat层； 第一BN-ReLU-Conv2D子模块的输入端还与第一Concat层的输入端、第二Concat层的输入端、第三Concat层的输入端和第四Concat层的输入端连接； 第一BN-ReLU-Conv2D子模块的输出端还与第二Concat层的输入端、第三Concat层的输入端和第四Concat层的输入端连接； 第二BN-ReLU-Conv2D子模块的输出端还与第三Concat层的输入端和第四Concat层的输入端连接； 第三BN-ReLU-Conv2D子模块的输出端还与第四Concat层的输入端连接； 第四Concat层的输出端与Transformer网络模块的输入端连接。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。