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！

龙图腾网获悉国网福建省电力有限公司电力科学研究院;天津航天中为数据系统科技有限公司;国网福建省电力有限公司申请的专利一种基于深度学习的多任务建筑物提取及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：CN119229307B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202411387889.3，技术领域涉及：G06V20/13；该发明授权一种基于深度学习的多任务建筑物提取及变化检测方法是由王晓杰;许军;方超颖;王利伟;王森;闫皓炜;程燕胜;陈艳芳;孙振蓉;陈少康;吴晓杰;郑钟楠;黄友聪设计研发完成，并于2024-09-30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多任务建筑物提取及变化检测方法在说明书摘要公布了：本发明提出一种基于深度学习的多任务建筑物提取及变化检测方法，通过深度神经网络架构联合建筑物提取和变化检测任务，包括：编码器网络、建筑物提取解码器网络和建筑变化解码器网络，以实现对遥感影像中建筑物的识别任务，及检测建筑物变化区域任务；采用多任务建筑物提取及变化检测神经网络将基于多时相的卫星遥感影像数据进行预处理并生成数据集中不同时相的影像对分别作为图像T1和图像T2两个通道的数据输入，并分别经过编码器网络提取图像中建筑物的深层次特征，将图像T1通道提取的特征经过建筑提取解码器网络得到建筑物提取结果，将图像T1通道提取的特征与图像T2通道提取的特征经过建筑物变化解码器网络后获得建筑物变化检测结果。

本发明授权一种基于深度学习的多任务建筑物提取及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多任务建筑物提取及变化检测方法，其特征在于：通过深度神经网络架构联合建筑物提取和变化检测任务，包括：编码器网络、建筑物提取解码器网络和建筑变化解码器网络，以实现对遥感影像中建筑物的识别任务，及检测建筑物变化区域任务； 采用多任务建筑物提取及变化检测神经网络将基于多时相的卫星遥感影像数据进行预处理并生成数据集中不同时相的影像对分别作为图像T1和图像T2两个通道的数据输入，并分别经过编码器网络提取图像中建筑物的深层次特征，将图像T1通道提取的特征经过建筑提取解码器网络得到建筑物提取结果，将图像T1通道提取的特征与图像T2通道提取的特征经过建筑物变化解码器网络后获得建筑物变化检测结果； 所述编码器网络包括CNN特征提取模块和多尺度特征提取模块； 所述CNN特征提取模块由一个7×7卷积、64个滤波器、步长为2的卷积层,一个3×3最大池化、步长为2的最大池化层，3个卷积块1,4个卷积块2,6个卷积块3组成；其中，卷积块1包含3个残差块，每个残差块包含3个卷积层，分别为64个滤波器的1×1卷积、64个滤波器的3×3卷积和256个滤波器的1×1卷积；卷积块2包含4个残差块，每个残差块包含3个卷积层，分别为256个滤波器的1×1卷积、256个滤波器的3×3卷积和1024个滤波器的1×1卷积；卷积块3包含6个残差块，每个残差块包含3个卷积层，分别256个滤波器的1×1卷积、256个滤波器的3×3卷积和1024个滤波器的1×1卷积；卷积块2和卷积块3分别输出低维度特征Llow和高维度特征Lhigh，图像T1通道经过CNN特征提取模块后分别获得特征Llow1、Lhigh1，图像T2通道经过CNN特征提取模块后分别获得特征Llow2、Lhigh2； 所述多尺度特征提取模块通过3×3卷积结构，在建筑物提取和变化检测任务中处理不同尺度的对象；模块首先通过1×1卷积进行降维和3×3的卷积获得3×3的感受野；右分支在再经过1×1卷积和3×3的卷积获得5×5的感受野；左分支再经过1×1卷积和3×3卷积获得7×7的感受野；将三种不同大小的感受野进行融合，以捕获到不同尺度大小的特征信息； 所述建筑物提取解码器网络将图像T1通道经过CNN特征提取模块输出的低纬度特征Llow1，接下来，将低纬度特征Llow1通过1×1卷积、批归一化和relu激活函数层获得的结果，与CNN特征提取模块输出的高纬度特征Lhigh1经过多尺度特征提取模块、4倍的上采样后的结果叠加，得到特征Lcode1，将特征Lcode1再经过3×3卷积、批归一化和relu激活函数层和4倍的上采样，获得建筑物提取的结果； 所述建筑变化解码器网络将图像T2通道的CNN特征提取模块输出的低纬度特征Llow2，经过1×1卷积、批归一化和relu激活函数层获得的结果，与CNN特征提取模块输出的高纬度特征Lhigh2经过多尺度特征提取模块、4倍上采样后的结果叠加，得到特征Lcode2，然后，将特征Lcode2与上述得到的特征Lcode1进行连接，结果经过3×3卷积、批归一化和relu激活函数层得到融合特征LF1；将特征Lhigh1和Lhigh2分别经过多尺度特征提取模块后的特征进行连接，其结果与经过3×3卷积、批归一化、relu激活函数层、4倍上采样后得到融合特征LF2；将特征LF1和特征LF2连接后经过3×3卷积、批归一化和relu激活函数层和4倍的上采样，得到建筑物变化检测的结果。

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国网福建省电力有限公司电力科学研究院;天津航天中为数据系统科技有限公司;国网福建省电力有限公司，其通讯地址为：350007 福建省福州市仓山区复园支路48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。