一种基于深度学习的单类目标检测方法、设备及存储介质【中国发明】

一、专利名称及专利号

名称：《一种基于深度学习的单类目标检测方法、设备及存储介质》

专利号：ZL 202010772051 .1

二、应用领域

本发明涉及遥感领域，尤其涉及一种基于深度学习的单类目标检测方法、设备及存储介质。 

三、专利说明

1、摘要：

本发明提出了一种基于深度学习的单类目标检测方法、设备及存储介质，通过获取待测地区的第一时期和第二时期感影像数据，基于两时期遥感影像数据，通过已训练的深度多示例变化检测模型，得到与输入对应的门控制器信息和注意力权重信息；根据所述门控制器信息，得到目标类别物体的场景级变化检测信息；根据所述注意力权重信息和门控制器信息，使用轮廓提取方法，得到目标类别物体的变化实例图。本实施例提供的方法，由于使用已训练的深度多示例变化检测模型从两时期遥感影像中学习地物的深度特征，并使用多示例学习框架通过场景级标注样本对网络进行训练，无需要像素级标注样本，提高了单类目标检测的效率，减少了人工资源的消耗。

2、背景：

  现有技术中，基于监督机器学习的方法，尤其是基于深度学习的方法，需要大量的标记数据进行训练，而且大多数时候目标地物的尺度和形状各异，例如：提取滑坡这类少数地物的变化为例，在较大的地理范围中，真正的滑坡面积非常小，而非滑坡区域占绝大多数，因此难以获得各种类型的像素级标注训练样本用于分类器的训练，即使通过人工标注也需要耗费大量的时间和精力，因此现有技术中的基于少数地物变化检测算法，检测效率低和精度低。因此，现有技术有待于进一步的改进。

四、相关文件下载

专利证书：/UploadFiles/20220621/20220621092594579457.pdf

专利详情：/UploadFiles/20220621/20220621092529992999.pdf