買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣東海洋大學(xué)申請的專利一種基于改進U2Net模型的密集紅樹林計數(shù)方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119600466B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411659761.8，技術(shù)領(lǐng)域涉及：G06V20/13；該發(fā)明授權(quán)一種基于改進U2Net模型的密集紅樹林計數(shù)方法是由劉大召;孫雄;程朝暉;袁嘉駿;李泳澤;朱焱;馮志穎;葉晉良設(shè)計研發(fā)完成，并于2024-11-20向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于改進U2Net模型的密集紅樹林計數(shù)方法在說明書摘要公布了：本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，公開了一種基于改進U2Net模型的密集紅樹林計數(shù)方法，包括采集紅樹林生長區(qū)的無人機激光雷達數(shù)據(jù)，構(gòu)建無人機可見光遙感圖像數(shù)據(jù)集；構(gòu)建改進U2Net模型；所述改進U2Net模型包括編碼器、密集跳躍連接模塊、解碼器和顯著特征圖融合模塊；利用改進U2Net模型生成顯著性概率圖，得到紅樹林計數(shù)結(jié)果。本發(fā)明結(jié)合Lidar遙感影像制作數(shù)據(jù)集，能夠更好的反映紅樹林的冠幅特征；在網(wǎng)絡(luò)模型上融合了多尺度特征和注意力機制，提升了對密集場景下的紅樹林計數(shù)結(jié)果，同時在不同空間尺度、不同郁閉度的紅樹林圖片上，也能體現(xiàn)出較好的泛化能力，提高了紅樹林計數(shù)結(jié)果的精度。

本發(fā)明授權(quán)一種基于改進U2Net模型的密集紅樹林計數(shù)方法在權(quán)利要求書中公布了：1.一種基于改進U2Net模型的密集紅樹林計數(shù)方法，其特征在于，包括以下步驟： 采集紅樹林生長區(qū)的無人機激光雷達數(shù)據(jù)，構(gòu)建無人機可見光遙感圖像數(shù)據(jù)集； 構(gòu)建改進U2Net模型；所述改進U2Net模型包括編碼器、密集跳躍連接模塊、解碼器和顯著特征圖融合模塊；所述編碼器包括： 自上往下依次設(shè)置的第一編碼器、第二編碼器、第三編碼器、第四編碼器、第五編碼器和第六編碼器；所述第一編碼器的輸入端作為編碼器的輸入端，其輸出端與第二編碼器的輸入端連接；所述第二編碼器的輸出端與第三編碼器的輸入端連接；所述第三編碼器的輸出端與第四編碼器的輸入端連接；所述第四編碼器的輸出端與第五編碼器的輸入端連接；所述第五編碼器的輸出端與第六編碼器的輸入端連接；所述第六編碼器的輸出端作為編碼器的輸出端； 所述解碼器包括： 自下往上依次設(shè)置的第一解碼器、第二解碼器、第三解碼器、第四解碼器和第五解碼器；所述第六編碼器的輸出端與第五編碼器的輸出端拼接后，與第五解碼器的輸入端連接；所述第五解碼器的輸出端與第四編碼器的輸出端拼接后，與第四解碼器的輸入端連接；所述第四解碼器的輸出端與第三編碼器的輸出端拼接后，與第三解碼器的輸入端連接；所述第三解碼器的輸出端與第二編碼器的輸出端拼接后，與第二解碼器的輸入端連接；所述第二解碼器的輸出端與第一編碼器的輸出端拼接后，與第一解碼器的輸入端連接；所述第一解碼器的輸出端作為解碼器的輸出端； 所述第五編碼器和第六編碼器以及第五解碼器均包括多尺度膨脹殘差模塊，所述多尺度膨脹殘差模塊采用多尺度膨脹卷積和密集連接捕捉不同尺度下的特征信息； 所述多尺度膨脹殘差模塊包括自上往下依次設(shè)置的第一膨脹卷積單元、第二膨脹卷積單元、第三膨脹卷積單元、融合卷積單元和殘差單元；各個膨脹卷積單元均由第一Conv2d卷積層、第一ReLU激活函數(shù)層、第二Conv2d膨脹卷積層和第二ReLU激活函數(shù)層組成，第一卷積層的輸出端與第一激活函數(shù)層的輸入端連接，第一激活函數(shù)層的輸出端與第二卷積層的輸入端連接，第二卷積層采用膨脹倍率為1、2、3的膨脹卷積，其輸出端與第二激活函數(shù)層的輸入端連接；所述第一、第二和第三膨脹卷積單元之間通過級聯(lián)拼接的方式將不同尺度下的特征圖融合在一起，與融合卷積單元的輸入端連接；所述融合卷積單元由3*3卷積層組成，融合膨脹卷積單元的輸出特征圖，其輸出端與殘差單元的輸入端連接；所述殘差單元包括1*1卷積層和加法器，通過殘差連接將輸入特征圖與融合卷積單元的輸出相加，殘差單元的輸出端作為多尺度膨脹殘差模塊的輸出端； 利用編碼器對無人機可見光遙感圖像數(shù)據(jù)集提取包含不同層次語義信息的紅樹林冠幅特征圖； 利用密集跳躍連接模塊將編碼器提取的紅樹林冠幅特征圖調(diào)整為與對應(yīng)解碼器恢復(fù)的紅樹林冠幅特征圖的語義一致后傳遞至解碼器； 利用解碼器將密集跳躍連接模塊傳遞的紅樹林冠幅特征圖與編碼器輸出的紅樹林冠幅特征圖融合后輸出至顯著特征圖融合模塊； 利用顯著特征圖融合模塊將解碼器輸出的不同尺度的紅樹林冠幅特征圖進行融合，生成顯著性概率圖，得到紅樹林計數(shù)結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人廣東海洋大學(xué)，其通訊地址為：524088 廣東省湛江市麻章區(qū)海大路1號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。