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！

龙图腾网获悉华中师范大学申请的专利一种结合注意力机制的高分辨率轻量级的人体姿态估计方法和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：CN119693451B 。

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：202411627467.9，技术领域涉及：G06T7/73；该发明授权一种结合注意力机制的高分辨率轻量级的人体姿态估计方法和系统是由肖克江;周望;陈亮;高龙昊;雷兴炜设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本一种结合注意力机制的高分辨率轻量级的人体姿态估计方法和系统在说明书摘要公布了：本发明公开了一种结合注意力机制的高分辨率轻量级的人体姿态估计方法。本发明设计了一个高分辨率轻量级人体姿态估计网络，网络的核心是特别设计的GEBasicblock和GEBottleneck模块，它们利用倒残差结构和Ghost模块来提取特征，并通过ECA通道注意力机制来增强对关键信息的捕捉。这些模块构建了多阶段的GEHRNet网络，通过多尺度特征融合技术，在降低分辨率的同时增加通道数，有效地平衡了特征的分辨率和容量，以此帮助模型聚焦在关键点附近的区域。本发明在有限的参数量和计算量条件下，能够更好地提取输入图像的特征，保证高分辨率的同时实现更高效的推理速度，适合在资源有限的嵌入式设备上进行部署。

本发明授权一种结合注意力机制的高分辨率轻量级的人体姿态估计方法和系统在权利要求书中公布了：1.一种结合注意力机制的高分辨率轻量级的人体姿态估计方法，其特征在于，包括如下步骤： 步骤1，构建人体姿态估计数据集，并对数据集进行预处理； 步骤2，构建结合注意力机制的高分辨率轻量级基础网络模块GEBasicblock和GEBottleneck，GEBasicblock模块和GEBottleneck模块都为倒残差结构，包括轻量级模块Ghost、ECA通道注意力以及残差连接； 步骤3，结合步骤S2中构建好的GEBasicblock模块和GEBottleneck模块，基于HRNet高分率网络构建结合注意力机制的高分辨率轻量级特征提取网络GEHRNet，用于提取高分辨率特征； 轻量级特征提取网络GEHRNet被划分成stage1、stage2、stage3、stage4这4个部分，首先输入图像经过由两个步长为2的3x3标准卷积组成的stem阶段处理，生成尺寸为原图像14的特征图，并作为stage1的输入；在stage1中，堆叠了多个GEBottleneck模块，处理之后得到的特征图不做任何处理直接进入到stage2，同时将stage1阶段生成的特征图降低一半的分辨率并增加一倍的通道数，然后作为新的分支进入到stage2；从stage2开始，每个阶段都包含多个并行的子网络，每个子网络处理不同分辨率的特征图； 在stage2中，两个分支间不同分辨率的特征图之间会进行信息交换和融合，通过一个多分辨率特征融合单元将前一阶段的特征图转换为当前阶段所需的不同分辨率的特征图； 同理，stage3中的三个分支和stage4中的四个分支，处理方式与stage2相同，最后将stage4中四个分支的结果进行融合作为最终的输出； 在stage2、stage3、stage4这三个阶段中，每个阶段的分支均由多个GEBasicblock模块组成，并在每个阶段内部通过上采样和下采样来调整特征图的分辨率以确保多分辨率特征图的融合； 多分辨率特征融合单元从高分辨率分支向低分辨率分支融合的具体公式为：式中，n为总的分支数量；Ai为特征融合前第i个分支的输出结果；Hi为高分辨率向低分辨率融合时第i个分支的输出结果；Fi-1,i,Hi-1函数表示将i-1分支的输出结果Hi-1进行通道和分辨率转换以实现可以与i分支融合，i-1分支为i分支相邻的前一分支； 多分辨率特征融合单元从低分辨率分支向高分辨率分支融合的具体公式为式中，n为总的分支数量；Ai为特征融合前第i个分支的输出结果；Li为低分辨率向高分辨率融合时第i个分支的融合结果；Fi+1,i,Li+1函数表示将i+1分支的输出结果Li+1进行通道和分辨率转换以实现可以与i分支融合，i+1分支为i分支相邻的后一分支； 将上述低分辨率分支到高分辨率分支以及高分辨分支到低分辨率分支的两次融合结果相加后作为多分辨率特征融合单元的最终输出，具体公式如下：Qi＝Hi+Li-Ai,1＝i＝n式中，n为总的分支数量，Ai为特征融合前第i个分支的输出结果；Li为低分辨率向高分辨率融合时第i个分支的融合结果；Hi为高分辨向低分辨率融合识第i个分支的融合结果；Qi为多分辨率特征融合单元第i个分支的输出结果； 步骤4，通过卷积操作构建人体姿态估计器，对S3中提取出的高分辨率特征进行编码，得到K张人体关节点的热力图，其中K表示数据集预先定义好的人体关节点类别数量； 步骤5，对步骤S4中预测到的K张人体关节点的热力图与根据真值构造好的高斯分布真值热力图通过均方差损失函数计算损失； 步骤6，结合步骤5中的损失，对由步骤2-步骤4构成的整个结合注意力机制的高分辨率轻量级姿态估计网络进行训练； 步骤7，使用训练好的网络模型对人体图片进行姿态估计。

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华中师范大学，其通讯地址为：430079 湖北省武汉市洪山区珞瑜路152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。