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！

龙图腾网获悉武汉理工大学三亚科教创新园申请的专利基于注意力机制和联合损失函数的海岸带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：CN118628919B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202410932161.8，技术领域涉及：G06V20/10；该发明授权基于注意力机制和联合损失函数的海岸带变化检测方法是由陈亚雄;魏志程;龚腾飞;熊盛武设计研发完成，并于2024-07-12向国家知识产权局提交的专利申请。

本基于注意力机制和联合损失函数的海岸带变化检测方法在说明书摘要公布了：本申请提出了一种基于注意力机制和联合损失函数的海岸带变化检测方法，属于海岸带变化检测的技术领域，本发明利用非线性变换注意力机制和联合损失函数来解决光学遥感影像中的海岸带变化检测的问题，并对双时相特征进行像素级减法操作，使模型有效地定位了海岸带变化的具体位置，减小了因亮度差异导致的误差，提高了变化检测的准确度；联合损失函数联合交叉熵损失函数和边缘提取损失函数，提高了变化检测模型在处理复杂场景的表现，同时减小了目标域背景之间的混淆，提升了边缘明显区域的变化检测。

本发明授权基于注意力机制和联合损失函数的海岸带变化检测方法在权利要求书中公布了：1.一种基于注意力机制和联合损失函数的海岸带变化检测方法，其特征在于，包括： 步骤S1，获取待检测区域不同时相的光学遥感影像，并对所述光学遥感影像进行图像预处理，得到预处理后的图像数据集，所述图像数据集包括训练数据集和待检测数据集； 步骤S2，构建海岸带变化检测模型，所述模型包括特征提取模块、非线性变换注意力模块和差异提取模块； 步骤S3，将相同区域不同时相的训练数据集输入到特征提取模块中，得到提取的不同时相的图像特征，并将图像数据映射到特征空间，得到不同时相的特征图，所述不同时相的训练数据集为时相A的训练数据集和时相为B的训练数据集，其中时相A晚于时相B； 步骤S4，将时相A和时相B的特征图分别输入到非线性变换注意力模块，得到时相A和时相B的全局特征图；所述步骤S4中将不同时相的特征图分别输入到非线性变换注意力模块，得到不同时相的全局特征图，包括： 1将时相A和时相B的特征图输入到非线性变换注意力模块中，首先对输入的特征图进行归一化处理，然后采用线性投影来生成三个矢量矩阵Query、Key和Value，具体公式为： ，其中、和是可学习的权重矩阵，用于捕捉输入特征图中的关键特征，为不同时相的特征图，、、分别为不同时相的三个矢量矩阵，x取值为A或B； 2根据计算得到的矢量矩阵Query、Key和Value矩阵来计算注意力权重值： ； 其中，tanh是双曲正切激活函数，对Query、Key、Value矩阵中的每个元素进行非线性变换，特征维度通常作为一个归一化的缩放因子，为点积计算，表示函数沿着张量的最后一个维度进行计算； 3根据注意力权重值和Value计算得到全局特征图： ; 步骤S5，将时相A和时相B的全局特征图输入到差异提取模块中，得到时相A和时相B全局特征图的差异特征，根据所述差异特征得到变化检测结果；所述步骤S5中根据所述差异特征得到变化检测结果还包括：将得到的时相A和时相B的全局特征图的差异特征与时相A的特征图进行哈达玛积运算，得到变化检测结果； 步骤S6，根据交叉熵损失函数和边缘损失函数构建联合损失函数，利用联合损失函数优化海岸带变化检测模型，得到优化后的变化检测模型； 步骤S7，将不同时相的待检测图像输入优化后的变化检测模型，得到海岸带变化检测结果。

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武汉理工大学三亚科教创新园，其通讯地址为：572025 海南省三亚市崖州区崖州湾科技城用友产业园9号楼；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”。

以上内容由龙图腾AI智能生成。