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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于关键点的域自适应植物器官实例分割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：CN116580201B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310598870.2，技术领域涉及：G06V10/26；该发明授权一种基于关键点的域自适应植物器官实例分割方法是由谷延锋;曾晓鹏;高国明;王远航设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本一种基于关键点的域自适应植物器官实例分割方法在说明书摘要公布了：一种基于关键点的域自适应植物器官实例分割方法，本发明涉及基于关键点的域自适应植物器官实例分割方法。本发明的目的是为了解决现有的基于深度学习的实例分割算法面对不同数据集由于样本多样性导致的目标域和源域不匹配问题。过程为：1：构建基于关键点的实例分割网络模型：11：对源域的植物图像进行深度特征提取，得到不同尺度的特征图；12：对特征图上的每个元素预测一组关键点；13：将关键点转化为边界框，在特征图上提取边界框对应的感兴趣区域局部特征；14：局部特征输入语义分割网络；2：获得训练好的实例分割网络模型；3：将目标域图像输入训练好的实例分割网络模型，输出域自适应实例分割结果。本发明用于植物器官实例分割领域。

本发明授权一种基于关键点的域自适应植物器官实例分割方法在权利要求书中公布了：1.一种基于关键点的域自适应植物器官实例分割方法，其特征在于：所述方法具体过程为： 步骤1：构建基于关键点的实例分割网络模型；具体过程为： 步骤11：利用特征提取网络对源域的植物图像进行深度特征提取，得到不同尺度的特征图； 步骤12：利用关键点预测模块对特征图上的每个元素预测一组关键点； 步骤13：将关键点转化为边界框，在特征图上提取边界框对应的感兴趣区域局部特征；具体过程为： 步骤31、对关键点进行转化，将关键点转变为边界框，过程为： 假设对步骤一的源域的植物图像预测的关键点集为： 其中，n＝9代表关键点的数量，x,y为第i个关键点坐标，为关键点集； 计算关键点集中x和y的均值和方差，假设x的均值和方差分别为和x，y的均值和方差分别为和y，则边界框中心点坐标为边界框的宽w和高h分别为： 其中λw和λh分别为可学习的调制参数； 因此得到边界框的左上角和右下角的点坐标分别为和作为候选框坐标值； 步骤32、利用RoIAlign模块通过双线性插值算法，在特征图上对应于步骤一的源域的植物图像中边界框的位置得到该边界框的感兴趣区域的局部特征；具体过程为： 先将步骤31得到的候选框坐标值和从源域的植物图像映射到特征图； 1将步骤31得到的候选框坐标值和都除以32，得到步骤11的特征图上的坐标值，且步骤11的特征图上的坐标值为浮点数； 2将候选框坐标值和都除以32得到的步骤11的特征图上的坐标值作为边界框的左上角和右下角的点坐标，获得特征图候选区域，将特征图候选区域均匀划分为7×7共49个小块； 3最后对各个小块进行插值，并进行最大池化得到结果，将各个小块的结果组合得到局部特征；具体过程为： 对第一个小块再均匀划分为7×7个的区域，然后取每个区域的中心点，通过双线性插值的方式获取每个中心点的像素值；再对这49个点求最大值即可得到第一个小块的第一大区域的值； 对第二个小块再均匀划分为7×7个的区域，然后取每个区域的中心点，通过双线性插值的方式获取每个中心点的像素值；再对这49个点求最大值即可得到第二个小块的第一大区域的值； 直至得到第49个小块的第一大区域的值； 就得到了7×7大小的局部特征； 步骤14：局部特征输入语义分割网络； 步骤2：计算实例分割网络模型的损失函数，对实例分割网络模型进行网络训练，获得训练好的实例分割网络模型； 步骤3：将目标域图像输入训练好的实例分割网络模型，输出域自适应实例分割结果。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。