一种用于遥感图像变化检测的大模型适应方法及装置制造方法及图纸

本申请公开了一种用于遥感图像变化检测的大模型适应方法及装置，包括：构建基础模型；计算基础模型中的多头自注意力机制；使用相同的基础模型同时对完成特征输入的图像进行特征提取；构建变化检测模型，并对完成提取特征步骤的图像进行缩放操作使其与预训练的模型相匹配；将变化检测模型的主干网络提取的完成缩放操作的图像的特征送入解码器，将低分辨率的图像特征恢复至原始图像大小，并输出不同变化种类的概率图；在基础模型与变化检测模型之间执行构建桥接模块步骤；执行基本块模型的训练步骤和测试步骤，从而获得最终预测结果。解决了现有的方法在处理大规模遥感图像数据时存在计算量大、耗时长的缺点，难以满足实时变化检测的需求的问题。

【技术实现步骤摘要】

本申请涉及计算机视觉，尤其涉及一种用于遥感图像变化检测的大模型适应方法及装置。

技术介绍

1、遥感图像变化检测是一种利用遥感技术对地表信息进行监测和分析的重要手段。在变化检测中，如何准确地提取和比对图像中的特征信息，以及如何高效地进行模型训练和推理是关键问题。现有的变化检测方法主要基于深度学习技术，通过构建复杂的神经网络模型来提取和比对图像中的特征信息。

2、然而，现有的方法在处理大规模遥感图像数据时存在计算量大、耗时长的缺点，难以满足实时变化检测的需求。此外，现有的变化检测方法在处理不同变化类型时表现不稳定，难以同时处理多种变化类型。

技术实现思路

1、在本申请实施例中，通过提供一种用于遥感图像变化检测的大模型适应方法，解决了现有的方法在处理大规模遥感图像数据时存在计算量大、耗时长的缺点，难以满足实时变化检测的需求。此外，现有的变化检测方法在处理不同变化类型时表现不稳定，难以同时处理多种变化类型的问题。

2、第一方面，本申请实施例提供了一种用于遥感图像变化检测的大模型适应方法，该方法本文档来自技高网...

【技术保护点】

1.一种用于遥感图像变化检测的大模型适应方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，基础模型中的多头自注意力机制的计算过程为：MSA(Q，K，V)＝Concat(head1，...，headi)WO，其中，MSA(Q，K，V)表示对每个补丁间的相对关系、相似性和依赖性进行头自注意力机制的输出进行变换，Concat表示拼接操作，headi表示第i个自注意力头的输出，表示对每个补丁间的相对关系进行线性映射的系数矩阵，表示对每个补丁间的相似性进行线性映射的系数矩阵，表示对每个补丁间的依赖性进行线性映射的系数矩阵，dmodel表示对每个补丁间的特征维度进行线性...

【技术特征摘要】

1.一种用于遥感图像变化检测的大模型适应方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，基础模型中的多头自注意力机制的计算过程为：msa(q，k，v)＝concat(head1，...，headi)wo，其中，msa(q，k，v)表示对每个补丁间的相对关系、相似性和依赖性进行头自注意力机制的输出进行变换，concat表示拼接操作，headi表示第i个自注意力头的输出，表示对每个补丁间的相对关系进行线性映射的系数矩阵，表示对每个补丁间的相似性进行线性映射的系数矩阵，表示对每个补丁间的依赖性进行线性映射的系数矩阵，dmodel表示对每个补丁间的特征维度进行线性映射的系数矩阵，dk表示每个自注意力头的输出维度，表示行数为dmodel，列数为dk的实数矩阵，表示最后输出前线性映射的系数矩阵，a表示自注意力头的数量，sa表示自注意力机制函数；

3.根据权利要求1所述的方法，其特征在于，所构建的变化检测模型的表达式为：其中，表示双时相遥感图像每个像素位置发生变化的...

【专利技术属性】
技术研发人员：曹相湧，李开宇，孟德宇，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：