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！

龙图腾网获悉四川大学申请的专利基于隐变量模型的头侧X光片年龄性别估计方法与系统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：CN117115466B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202311166618.0，技术领域涉及：G06V10/44；该发明授权基于隐变量模型的头侧X光片年龄性别估计方法与系统是由刘家伶;赵志河;唐榕;任瑞阳;廖文;李施豪设计研发完成，并于2023-09-11向国家知识产权局提交的专利申请。

本基于隐变量模型的头侧X光片年龄性别估计方法与系统在说明书摘要公布了：本发明公开了基于隐变量模型的头侧X光片年龄性别估计方法与系统，该方法包括：获取待检测目标的头侧X光片；将头侧X光片进行预处理并输入年龄性别识别模型中，生成对待检测目标的年龄和性别估计，其中，所述年龄性别识别模型包括特征提取单元，所述特征提取单元通过对预训练的VGG16的特征提取器进行剪枝得到，其具体过程包括：获取预训练的VGG16的特征提取器中各卷积层之间的依赖关系，建立依赖图；将依赖图中的参数进行分组，每个组中的参数都具有相同的依赖关系；对于每个分组，计算所述分组中每个参数的重要性；利用每个参数的重要性，计算每个分组的联合重要性；利用每个分组的联合重要性，对分组进行剪枝。本发明大幅降低了计算复杂度，提升了处理速度。

本发明授权基于隐变量模型的头侧X光片年龄性别估计方法与系统在权利要求书中公布了：1.一种基于隐变量模型的头侧X光片年龄性别的多任务估计方法，其特征在于，包括： 获取待检测目标的头侧X光片； 将待检测目标的头侧X光片进行预处理； 将预处理后的图像输入年龄性别识别模型中，生成对待检测目标的年龄和性别估计， 其中，所述年龄性别识别模型包括特征提取单元、年龄预测单元和性别预测单元， 所述特征提取单元用于对输入的图像进行特征提取，并将提取的特征分别输出至年龄预测单元和性别预测单元以进行年龄和性别预测， 所述特征提取单元通过对预训练的VGG16的特征提取器进行剪枝得到，其具体过程包括： 获取预训练的VGG16的特征提取器中各卷积层之间的依赖关系，建立依赖图，每个卷积层均对应一个依赖图，依赖图中记录了每个卷积层中的每个卷积核以及与所述卷积核直接相连的所有模型参数之间的对应关系； 将依赖图中的参数进行分组，每个组中的参数都具有相同的依赖关系； 对于每个分组，计算所述分组中每个参数的重要性； 利用每个参数的重要性，计算每个分组的联合重要性； 利用每个分组的联合重要性，对分组进行剪枝； 对依赖图中的参数进行分组具体包括： 假设共有L个卷积层，则 在第1至L-1个卷积层中的每个卷积层l中，对于其中的每个卷积核，将所述卷积核与下一个卷积层中所有卷积核的对应通道的参数组成一个组，用公式表示为： Gl,i＝{wl,i}∪{wl+1,j,i|j＝1,...,Kl+1}， 其中，Gl,i表示第l层的第i个组，wl,i表示第l层的第i个卷积核参数，wl+1,j,i表示第l+1层的第j个卷积核的第i个通道参数，Kl+1表示第l+1层的卷积核的数量； 对于最后一个卷积层，即第L个卷积层，使用该卷积层中卷积核参数作为一个组，用公式表示为： GL,i＝{wL,i},i＝1,2,...,KL， 其中，GL,i表示第L层的第i个组，wL,i表示第L层的第i个卷积核参数，KL表示第L层的卷积核数量； 计算分组中每个参数的重要性包括使用反向传播的梯度来评估每个参数的重要性，对于任意的参数Pt，其重要性It用公式表示为： 其中，Loss表示年龄回归损失和性别分类损失的总损失函数； 计算每个分组的联合重要性用公式表示为： 其中，Itotal表示每个分组的联合重要性，n表示所述分组中参数数量。

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四川大学，其通讯地址为：610044 四川省成都市一环路南一段24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”。