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！

龙图腾网获悉清华大学申请的专利一种基于无反向传播学习的轻量化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：CN120070337B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202510068367.5，技术领域涉及：G06T7/00；该发明授权一种基于无反向传播学习的轻量化遥感变化检测方法是由王学谦;张成洋;李刚设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种基于无反向传播学习的轻量化遥感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无反向传播学习的轻量化遥感变化检测方法，包括：对待推理的变化前后的遥感图像进行均匀切分，得到子图像集合；使用基于块维度的亲和度矩阵方法，从子图像集合中选择发生变化的变化前后子图像与未发生变化的变化前后子图像作为神经网络的训练样本；使用训练样本，采用局部学习方法微调神经网络，在微调时，为需要训练的卷积层分配损失函数进行微调，并保持其他卷积层的参数不变，使其他卷积层执行正向传播，得到微调后的神经网络；将待推理的变化前后的遥感图像输入神经网络中进行推理，并对推理结果二值化，得到二值变化结果。采用上述方案的本发明适用于计算资源受限时的异构遥感图像变化检测。

本发明授权一种基于无反向传播学习的轻量化遥感变化检测方法在权利要求书中公布了：1.一种基于无反向传播学习的轻量化遥感变化检测方法，其特征在于，包括： 对待推理的变化前后的遥感图像进行均匀切分，得到子图像集合； 使用基于块维度的亲和度矩阵方法，从所述子图像集合中选择发生变化的变化前后子图像与未发生变化的变化前后子图像作为神经网络的训练样本； 使用所述训练样本，采用局部学习方法微调神经网络，在微调时，为需要训练的卷积层分配损失函数进行微调，并保持其他卷积层的参数不变，使其他卷积层执行正向传播，得到微调后的神经网络； 将所述待推理的变化前后的遥感图像输入神经网络中进行推理，并对推理结果二值化，得到二值变化结果； 其中，为需要训练的卷积层分配损失函数，包括： 将深层卷积层作为需要训练的卷积层，针对所述深层卷积层，构建对比学习损失函数，以增大变化样本的输出特征差异，并减小不变样本的输出特征差异； 微调所述深层卷积层，包括： 使用对比学习损失函数与输出的特征值计算输出特征的梯度，表示为： 其中，、分别对应处理发生变化的样本、未发生变化的样本的输出特征，、为分别为处理变化前的图像和变化后的图像的子网络，是输出特征的梯度，是符号函数，表示为： 基于输出特征的梯度计算权重梯度，表示为： 其中，是子网络的第层的权重梯度，表示卷积操作，为子网络的第层的输入； 基于权重梯度更新权重，表示为： 其中，表示迭代次数； 将所述待推理的变化前后的遥感图像输入神经网络中进行推理，得到推理结果，表示为： 其中，为第层卷积层的通道数，为输出的坐标，、为分别处理变化前的图像和变化后的图像的子网络，、分别表示变化前和变化后，表示变化前的图像的输出特征，表示变化后的图像的输出特征，、、...、为需要训练的卷积层，为神经网络的卷积层的数量，为变化图像； 使用最大类间方差法Otsu得到二值化结果，表示为： 。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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。