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！

龙图腾网获悉上海交通大学宁波人工智能研究院申请的专利一种基于CIM-T架构的高分辨率影像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：CN116030361B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310111186.7，技术领域涉及：G06V20/13；该发明授权一种基于CIM-T架构的高分辨率影像变化检测方法是由吴徐旭;何小其;杨根科;褚健设计研发完成，并于2023-02-10向国家知识产权局提交的专利申请。

本一种基于CIM-T架构的高分辨率影像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CIM‑T架构的高分辨率影像变化检测方法，涉及现实场景下两期遥感图像变化检测与图像处理领域，包括以下步骤：步骤1、采集两期遥感影像图像，获得变化检测数据集；步骤2、用变化检测数据集构建变化检测模型；步骤3、用变化检测数据集训练变化检测模型；步骤4、将待测图像数据集输入变化检测模型，得到变化检测结果。其中，步骤2中的变化检测模型是一种编码器‑解码器模型；编码器包括主干网络特征提取模块和标签生成器模块；解码器包括密集跳跃连接模块和ECAM模块。

本发明授权一种基于CIM-T架构的高分辨率影像变化检测方法在权利要求书中公布了：1.一种基于CIM-T架构的高分辨率影像变化检测方法，其特征在于，所述方法包括以下步骤： 步骤1、采集两期遥感影像图像，获得变化检测数据集； 步骤2、用所述变化检测数据集构建变化检测模型； 步骤3、用所述变化检测数据集训练所述变化检测模型； 步骤4、将待测图像数据集输入所述变化检测模型，得到变化检测结果； 其中， 所述步骤2中的所述变化检测模型是一种编码器-解码器模型； 编码器包括主干网络特征提取模块和标签生成器模块； 解码器包括密集跳跃连接模块和ECAM模块； 具体地，所述步骤2包括以下子步骤： 步骤2.1、通过所述主干网络特征提取模块提取所述变化检测数据集中的多尺度特征，并记录在第一特征图中，再通过所述标签生成器模块对所述多尺度特征进行再生成； 步骤2.2、通过所述密集跳跃连接模块对提取到的所述多尺度特征进行融合和增强； 步骤2.3、采用所述ECAM模块对所述多尺度特征进行差异性同化，得到所述变化检测模型； 所述主干网络特征提取模块由双路权值共享的孪生网络构成，把从所述两期遥感影像图像中获取的所述变化检测数据集输入所述孪生网络中，再采用CIM模块获得所述变化检测数据集中的所述多尺度特征； 所述CIM模块包括卷积模块和内卷积模块，将输入的所述变化检测数据集先通过所述卷积模块进行处理，得到中间结果，再将所述中间结果输入到所述内卷积模块，得到所述多尺度特征； 所述卷积模块包括：3×3的卷积层、第一批归一化层、激活层；所述内卷积模块包括：1×1的卷积核、第二批归一化层、激活函数、逐元素相加模块； 通过残差连接的方式将所述内卷积模块所得的结果与所述变化检测数据集进行相加，得到所述多尺度特征，并记录在有四层的所述第一特征图中，所述第一特征图的每一层的大小不同、通道数不同； 所述CIM模块由以下公式给出： 其中，x代表所述变化检测数据集，CIM代表的是卷积-内卷积的操作所得的结果，相加操作代表所述残差连接的方式； 所述标签生成器模块包含：标签编码模块和标签解码模块； 所述标签编码模块是通过空间注意力模块与transformer编码模块对所述主干网络特征提取模块获得的所述多尺度特征进行编码，生成具有全局上下文信息的标签向量； 所述标签解码模块是对所述标签向量采用多头层间注意力的方式，重新获得与所述第一特征图一样大小且具有全局信息的第二特征图。

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上海交通大学宁波人工智能研究院，其通讯地址为：315012 浙江省宁波市海曙区南门街道南站西路29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”。

以上内容由龙图腾AI智能生成。