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！

龙图腾网获悉武汉理工大学三亚科教创新园申请的专利一种基于特征关联密度图生成的海洋船舶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：CN119027819B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411223867.3，技术领域涉及：G06V20/10；该发明授权一种基于特征关联密度图生成的海洋船舶计数方法是由熊盛武;李奇剑;严凯;龚腾飞;陈亚雄设计研发完成，并于2024-09-03向国家知识产权局提交的专利申请。

本一种基于特征关联密度图生成的海洋船舶计数方法在说明书摘要公布了：本发明公开了一种基于特征关联密度图生成的海洋船舶计数方法，涉及机器学习算法与图像处理技术领域，本发明通过构建包括特征关联密度图生成网络和基于残差特征融合的海洋船舶计数网络的海洋船舶计数模型，并通过原始图像和图像真实密度图对特征关联密度图生成网络和基于残差特征融合的海洋船舶计数网络进行训练，结合特征关联正则化约束条件、数值损失函数和分布损失函数构建的特征关联密度图生成网络的损失函数以及基于残差特征融合的海洋船舶计数网络的l2损失函数作为总的损失函数对模型进行训练，通过使用特征关联密度图生成网络学习图像目标的纹理和邻域关系，从而实现了密度图与目标形状的高质量匹配，同时本发明采用特征关联正则化约束关注图像差异，学习海洋船舶的共性特征，从而提高了海洋船舶计数任务的准确性。

本发明授权一种基于特征关联密度图生成的海洋船舶计数方法在权利要求书中公布了：1.一种基于特征关联密度图生成的海洋船舶计数方法，其特征在于，所述方法包括如下步骤： S100，采集遥感图像数据集并对遥感图像数据集进行预处理，将预处理后的图像数据分为训练集、验证集和测试集； S200，构建海洋船舶计数模型，该模型包括特征关联密度图生成网络和基于残差特征融合的海洋船舶计数网络； S300，将训练集中的图像数据输入到海洋船舶计数模型中，对模型采用加权组合损失函数进行联合训练，通过反向传播算法更新海洋船舶计数模型，直至获取损失函数最小的海洋船舶计数模型；所述步骤S300具体包括步骤： S310，将训练集中的原始图像和图像真实密度图输入到预训练后的特征关联密度图生成网络，根据特征关联密度图生成预测密度图； S320，将特征关联密度图生成网络生成的预测密度图和原始图像真实密度图输入到预训练后的基于残差特征融合的海洋船舶计数网络中，得到给定的图像区域内检测到的船舶总数； 所述步骤S310中具体包括步骤： S311，将训练集中的原始图像输入到改进VGG-10特征提取网络中进行特征提取，以获得特征图，所述VGG-10特征提取网络保留原始VGG-16的前十层作为特征提取网络，并保留原VGG-16中三个最大池化层； S312，将图像真实密度图输入到轻量化卷积网络提取图像真实密度图的卷积特征，得到特征图； S313，通过跨域特征融合模块对特征图和进行特征融合，得到跨域融合特征图； S314，将得到的跨域融合特征图输入到编码解码网络，经过网络回归得到与原图对应的预测密度图； S315，使用特征关联正则化约束条件、数值损失函数和分布损失函数构建特征关联密度图生成网络的损失函数，获得损失函数最小所对应的特征关联密度图生成网络模型参数； 所述步骤S313中通过跨域特征融合模块对特征图和进行特征融合，得到跨域融合特征图具体包括： 将特征图应用批量归一化BatchNormalization处理，然后通过自适应最大池化以及一维卷积层对其进行处理得到权重图； 将与逐元素相乘得并经过激活函数处理得到权重图；最后将原图像提取得到的特征图与逐元素相乘即可得到融合特征图； S400，使用步骤S100构建的验证集验证训练完成的海洋船舶计数模型，根据MAE评价指标选择效果最好的模型作为训练好的海洋船舶计数模型； S500，将目标遥感图像输入到训练好的海洋船舶计数模型中，海洋船舶计数模型输出给定的图像区域内检测到的船舶总数。

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武汉理工大学三亚科教创新园，其通讯地址为：572025 海南省三亚市崖州区崖州湾科技城用友产业园9号楼；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。