SCOUT-Count遥感计数模型

跨域稳健计数

该模型通过风格化协方差白化与不确定性扰动协同，缓解跨数据集的域偏移，提升遥感目标计数在不同地理背景与成像风格下的稳健性。

Yanhuang, Liu · DIng, Guanchen · Jiayi, Wang · 杨代琴 · 陈震中 · Chen, Changwen

ISPRS Journal of Photogrammetry and Remote Sensing 2026

技术优势

跨域泛化更强

通过风格多样性与不确定性扰动的协同，模型在未见目标域上表现更稳健。

背景干扰更少

利用CLIP-RS的遥感语义知识调整密度图，抑制杂乱背景对计数的影响。

训练更稳定

风格化敏感性协方差白化损失在风格增强与保真之间保持平衡，避免过度风格化导致的训练不稳定。

应用场景

• 遥感影像分析：在不同遥感数据集上直接计数目标，无需针对每个数据集重新训练。
• 智能监测系统：为监测系统提供跨场景稳健的自动计数，减少人工校准。
• 无人机场景理解：处理无人机视角下的尺度与风格变化，提升场景理解中的计数准确性。