原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及一种基于自监督学习的多模态遥感图像变化检测方法，属于计算机视觉领域。包括将变化前的图像、变化后的图像和拼接后的图像作为三个独立的输入，输入到三元特征提取网络提取特征图；将特征图映射到一个可比较的特征空间；对网络自监督训练；网络推理和变化图的生成。本发明基于自监督学习在不需要任何标签的情况下，从深度特征空间上统一多模态遥感图像特征，并且融合传统的阈值分割法直接分析深度特征图得到需要的变化图。克服了之前遥感图像变化检测方法对于标注数据的依赖，减少了变化检测任务中人力物力资源的消耗，同时解决
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117237801A
(43)申请公布日2023.12.15
(21)申请号202311060952.8G06N3/0464(2023.01)
文档评论（0）