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！

龙图腾网获悉浙江大学申请的专利一种结合显著性检测的小目标姿态估计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：CN116665246B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310554407.8，技术领域涉及：G06V40/10；该发明授权一种结合显著性检测的小目标姿态估计方法是由郑能干;韩乐;赵磊;蒋阳波;宋智颖设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。

本一种结合显著性检测的小目标姿态估计方法在说明书摘要公布了：本发明提供一种结合显著性检测的小目标姿态估计方法，包括：S1：基于标注的人体或动物姿态点标签生成伪显著性图谱；S2：构建基于显著性检测的姿态估计网络，包含特征提取模块、显著性检测和姿态估计两个分支，及基于深度参数化卷积的注意力上采样模块；S3：用标注的人体或动物姿态数据及生成的伪显著性图谱训练模型；S4：利用训练完的模型对输入图像进行预测，包含显著性目标感知阶段及目标姿态估计阶段两部分。本发明将细粒度的小尺寸物体姿态点预测解耦为两部分：快速物体位置感知和基于目标块的姿态估计。相比于已有的技术，本发明有效提高了小尺寸物体的姿态估计准确度，并且比基于目标检测的姿态估计方法预测效率高、模型参数量少。

本发明授权一种结合显著性检测的小目标姿态估计方法在权利要求书中公布了：1.一种结合显著性检测的小目标姿态估计方法，其特征在于，包括以下步骤： S1：基于标注的人体或动物姿态点标签生成伪显著性图谱； S2：构建基于显著性检测的姿态估计网络，包含特征提取模块、显著性检测分支和姿态估计分支三部分，其中显著性检测分支以及姿态估计分支由基于深度超参数化卷积注意力的上采样模块以及卷积核尺寸为1*1的卷积层组成； S3：用标注的人体或动物姿态数据以及生成的伪显著性图谱训练模型； S4：利用训练完的模型对输入图像进行预测，包含显著性目标感知阶段以及目标姿态估计阶段两部分； 所述的步骤S1具体包括： S11：基于轮廓连接生成方法获取物体闭环区域； S12：对闭环区域进行二值化填充； S13：基于高斯核函数对填充图谱进行二维卷积滤波得到伪显著性图谱； 所述的基于轮廓连接生成方法获取物体闭环区域具体包括：将已标注的关键点标签初始化为三部分：显著性目标轮廓点序列Ps{*}，当前搜索节点pi以及候选点集Pk|*|，然后根据候选点集中各点与当前搜索节点pi组成的向量与已连接边之间的夹角信息和该向量模长信息加权计算每个候选点的排序得分，根据得分的结果更新Ps{*}和pi，直到显著性目标轮廓点序列Ps{*}中的点形成一个闭环； 所述的根据候选点与当前搜索节点组成的向量与已连接边之间的夹角信息和该向量模长信息加权计算每个候选点的排序得分计算方式为： 其中，为pi与第i个候选点的连接向量，v0为pi与轮廓点序列Ps队尾点的连接向量，α为权重值，为向量归一化运算； 所述的根据得分的结果更新Ps{*}和pi直到显著性目标轮廓点序列Ps{*}中的点形成一个闭环具体包括：初始化Ps和pi；对于候选点集中的每一个点Pk计算排序得分，选择得分最大的点作为最优点p0；将当前搜索节点pi添加到显著性目标轮廓点序列Ps中；将最优点p0更新为当前搜索节点pi；从候选点集Pk中删除p0；重复步骤上述步骤，直至显著性目标轮廓点序列Ps中的点形成一个闭环。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。