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！

龙图腾网获悉武汉大学申请的专利一种基于点定位的遥感影像多类目标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：CN116402754B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310216294.0，技术领域涉及：G06T7/00；该发明授权一种基于点定位的遥感影像多类目标计数方法是由陈震中;崔鸣鹏设计研发完成，并于2023-03-07向国家知识产权局提交的专利申请。

本一种基于点定位的遥感影像多类目标计数方法在说明书摘要公布了：本发明针对遥感影像中目标计数和目标定位领域，公开了一种基于点定位的遥感影像多类目标计数方法。首先使用特征提取器对遥感影像中的特征进行提取，然后通过尺度自适应特征增强模块，完成对遥感影像中目标尺度的粗略预测，并对图像特征进行融合和增强，接下来，对增强的图像特征，使用预测头对图像中目标的位置、类别、置信度、精细尺度进行预测，产生遥感影像对应的候选目标。候选目标中包含对同一目标的重复预测，因此不能直接作为多类目标计数与定位的预测结果。通过对候选目标使用非极大值抑制后处理手段，可以抑制掉候选目标中错误的预测目标以及重复的预测目标。本发明提升了网络多类目标计数和定位的准确性。

本发明授权一种基于点定位的遥感影像多类目标计数方法在权利要求书中公布了：1.一种基于点定位的遥感影像多类目标计数方法，其特征在于，包括如下步骤： 步骤1，基于点定位的多类计数模型构建， 所述多类计数模型包括特征提取器，尺度自适应特征增强模块以及预测头，其中特征提取器用于提取输入图像的特征，提取得到的特征经过尺度自适应特征增强模块进行特征的整合和增强，整合和增强的特征通过预测头输出候选目标的位置、类别、尺度信息以及置信度； 步骤2，基于最优传输标签分配策略SimOTA对多类计数模型预测的候选目标进行正负样本分配，正样本是指预测正确的候选目标，负样本是指预测错误的候选目标； 步骤2的具体实现方式如下： 步骤2.1，候选目标初步筛选；候选目标初步筛选的目的是删除掉明显预测错误的负样本，为之后精细匹配减轻计算负担；具体来说，就是设置一个距离阈值，将候选目标中距离标注目标超过距离阈值的预测值设置为负样本； 步骤2.2，精细的正负样本分配；基于SimOTA，通过两步完成精细的正负样本分配；首先，要计算候选目标与标记目标之间一对一的成本距离，综合候选目标与标记目标之间的距离成本、类别成本以及候选目标的置信度对成本距离进行计算，成本距离矩阵表示为： 其中，为经过初步筛选的候选目标集，是中包含的候选目标数目，是图像中标记目标的数目，是候选目标和标注目标之间的分类距离，使用交叉熵计算，是候选目标和标注目标之间的位置距离，基于欧氏距离进行计算；对于标注样本，将与之成本最小的个候选目标标记为的正样本，剩余的候选目标标记为负样本，通过Dynamic-k算法进行计算； 步骤3，为目标生成伪框，用于监督尺度信息的预测，使用旋转矩形框来描述标注目标的尺度，旋转矩形框的中心点位置就是目标计数任务中对目标的点级标注，对每个标注目标对应的候选目标生成的包围矩形框进行尺度的伸缩和角度的旋转，得到标注目标的尺度信息； 步骤4，构建多类目标计数与定位损失函数，对于正样本，计算其与对应的标注样本距离、类别、尺度以及置信度的损失；对于负样本，仅对其置信度进行约束； 步骤5，非极大值抑制获取最终预测结果，模型训练结束后，在实际使用推理阶段，利用候选目标的位置、置信度和尺度信息进行非极大值抑制，删除掉重复预测的候选目标，输出最终的预测结果。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。