基于关联学习模型的无监督变化检测方法
实质审查的生效
摘要
本发明公开了一种基于关联学习模型的无监督变化检测方法，该方法包括以下步骤：构造对称的双边关联网络结构；建立针对变化检测的关联学习模型；基于对比散度优化方法优化关联学习模型；提取优化结果，输出变化区域。本发明定义了一个针对变化检测问题的关联学习模型，以无监督的方式训练神经网络，因此具有较强的适应性，能够适应各种各样的数据类型，包括同源、异源、异质等遥感数据。
基本信息
专利标题 ：
基于关联学习模型的无监督变化检测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114494152A
申请号 ：
CN202111663288.7
公开（公告）日 ：
2022-05-13
申请日 ：
2021-12-31
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
刘嘉张文华刘芳肖亮江凯旋陈祯卿王宇
申请人 ：
南京理工大学
申请人地址 ：
江苏省南京市孝陵卫200号
代理机构 ：
南京理工大学专利中心
代理人 ：
陈鹏
优先权 ：
CN202111663288.7
主分类号 ：
G06T7/00
IPC分类号 ：
G06T7/00 G06T7/10 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06T
一般的图像数据处理或产生
G06T7/00
图像分析
法律状态
2022-05-31 ：
实质审查的生效
IPC(主分类) : G06T 7/00
申请日 : 20211231
申请日 : 20211231
2022-05-13 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
