买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东海洋大学申请的专利一种基于改进U2Net模型的密集红树林计数方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119600466B 。

龙图腾网通过国家知识产权局官网在2025-09-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411659761.8，技术领域涉及：G06V20/13；该发明授权一种基于改进U2Net模型的密集红树林计数方法是由刘大召;孙雄;程朝晖;袁嘉骏;李泳泽;朱焱;冯志颖;叶晋良设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种基于改进U2Net模型的密集红树林计数方法在说明书摘要公布了：本发明涉及图像处理技术领域，公开了一种基于改进U2Net模型的密集红树林计数方法，包括采集红树林生长区的无人机激光雷达数据，构建无人机可见光遥感图像数据集；构建改进U2Net模型；所述改进U2Net模型包括编码器、密集跳跃连接模块、解码器和显著特征图融合模块；利用改进U2Net模型生成显著性概率图，得到红树林计数结果。本发明结合Lidar遥感影像制作数据集，能够更好的反映红树林的冠幅特征；在网络模型上融合了多尺度特征和注意力机制，提升了对密集场景下的红树林计数结果，同时在不同空间尺度、不同郁闭度的红树林图片上，也能体现出较好的泛化能力，提高了红树林计数结果的精度。

本发明授权一种基于改进U2Net模型的密集红树林计数方法在权利要求书中公布了：1.一种基于改进U2Net模型的密集红树林计数方法，其特征在于，包括以下步骤： 采集红树林生长区的无人机激光雷达数据，构建无人机可见光遥感图像数据集； 构建改进U2Net模型；所述改进U2Net模型包括编码器、密集跳跃连接模块、解码器和显著特征图融合模块；所述编码器包括： 自上往下依次设置的第一编码器、第二编码器、第三编码器、第四编码器、第五编码器和第六编码器；所述第一编码器的输入端作为编码器的输入端，其输出端与第二编码器的输入端连接；所述第二编码器的输出端与第三编码器的输入端连接；所述第三编码器的输出端与第四编码器的输入端连接；所述第四编码器的输出端与第五编码器的输入端连接；所述第五编码器的输出端与第六编码器的输入端连接；所述第六编码器的输出端作为编码器的输出端； 所述解码器包括： 自下往上依次设置的第一解码器、第二解码器、第三解码器、第四解码器和第五解码器；所述第六编码器的输出端与第五编码器的输出端拼接后，与第五解码器的输入端连接；所述第五解码器的输出端与第四编码器的输出端拼接后，与第四解码器的输入端连接；所述第四解码器的输出端与第三编码器的输出端拼接后，与第三解码器的输入端连接；所述第三解码器的输出端与第二编码器的输出端拼接后，与第二解码器的输入端连接；所述第二解码器的输出端与第一编码器的输出端拼接后，与第一解码器的输入端连接；所述第一解码器的输出端作为解码器的输出端； 所述第五编码器和第六编码器以及第五解码器均包括多尺度膨胀残差模块，所述多尺度膨胀残差模块采用多尺度膨胀卷积和密集连接捕捉不同尺度下的特征信息； 所述多尺度膨胀残差模块包括自上往下依次设置的第一膨胀卷积单元、第二膨胀卷积单元、第三膨胀卷积单元、融合卷积单元和残差单元；各个膨胀卷积单元均由第一Conv2d卷积层、第一ReLU激活函数层、第二Conv2d膨胀卷积层和第二ReLU激活函数层组成，第一卷积层的输出端与第一激活函数层的输入端连接，第一激活函数层的输出端与第二卷积层的输入端连接，第二卷积层采用膨胀倍率为1、2、3的膨胀卷积，其输出端与第二激活函数层的输入端连接；所述第一、第二和第三膨胀卷积单元之间通过级联拼接的方式将不同尺度下的特征图融合在一起，与融合卷积单元的输入端连接；所述融合卷积单元由3*3卷积层组成，融合膨胀卷积单元的输出特征图，其输出端与残差单元的输入端连接；所述残差单元包括1*1卷积层和加法器，通过残差连接将输入特征图与融合卷积单元的输出相加，残差单元的输出端作为多尺度膨胀残差模块的输出端； 利用编码器对无人机可见光遥感图像数据集提取包含不同层次语义信息的红树林冠幅特征图； 利用密集跳跃连接模块将编码器提取的红树林冠幅特征图调整为与对应解码器恢复的红树林冠幅特征图的语义一致后传递至解码器； 利用解码器将密集跳跃连接模块传递的红树林冠幅特征图与编码器输出的红树林冠幅特征图融合后输出至显著特征图融合模块； 利用显著特征图融合模块将解码器输出的不同尺度的红树林冠幅特征图进行融合，生成显著性概率图，得到红树林计数结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东海洋大学，其通讯地址为：524088 广东省湛江市麻章区海大路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。