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！

龙图腾网获悉中国科学院光电技术研究所申请的专利一种基于对比学习的无监督目标关键点检测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：CN119649191B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411783001.8，技术领域涉及：G06V10/82；该发明授权一种基于对比学习的无监督目标关键点检测方法是由赵灿;吴涛;徐智勇;张建林;李美慧;刘东旭;魏宇星设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种基于对比学习的无监督目标关键点检测方法在说明书摘要公布了：本发明提出了一种基于对比学习的无监督目标关键点检测方法，属于计算机视觉领域，包括基于图像重建的关键点预测以及基于对比孪生网络的关键点语义约束两个模块。具体包括：获取样本数据集，其中的每张图像均包含待检测的目标对象；将样本数据集进行数据增强，获得图像对；将图像对输入到预先训练好的基于图像重建的关键点预测模块，得到输入图像的初步关键点检测结果；之后利用基于对比孪生网络的关键点语义约束模块，对初步检测出的目标关键点增加语义约束，其用于提高检测的准确性和鲁棒性。语义约束可以帮助模型理解不同关键点之间的关系，增强特征的区分能力，从而在复杂场景中更准确地定位关键点。

本发明授权一种基于对比学习的无监督目标关键点检测方法在权利要求书中公布了：1.一种基于对比学习的无监督目标关键点检测方法，其特征在于，该方法包括以下步骤： S1.获取样本数据集，其中包括待检测的图像以及少量标注文件，标注文件中是各图像中目标的关键点位置信息； S2.对数据集中的所有图像进行数据增强，得到包含增强图像的图像对，图像对中的两张图像具有相同的外观和不同的姿态； S3.构建基于对比学习关键点检测模型，该模型由基于图像重建的关键点预测模块和基于对比孪生网络的关键点语义约束模块构成； S4.将准备好的包含待检测目标的图像对作为模型输入，输入图像对包含原图像和增强图像，利用构建好的模型对输入图像进行目标关键点检测； S5.利用基于图像重建的关键点预测模块进行目标关键点的初步预测， S6.利用基于对比孪生网络的关键点语义约束模块对初步预测的关键点进行语义约束； S7.利用构建完成的训练样本数据集按照上述步骤S1-S6训练对比学习关键点检测模型，在训练过程中，当模型优化次数达到预设的预测值时，停止训练，并保存训练好的权重；随后，将训练好的权重加载到模型中，以便获取最终检测的目标关键点位置； S6具体为： S61.构建关键点语义约束对比孪生网络，该网络由两个分支构成，其中第一个分支由几何特征编码器和两个多层感知机组成，记为，第二个分支由几何特征编码器和一个多层感知机组成，记为； 令输入图像对为与,则两类语义特征向量的负余弦相似度损失表示为： ； S62.将图像对输入到关键点语义约束对比孪生网络中，从而分别获得两个分支中的两类语义特征向量； S63.通过计算并最小化两类特征向量之间的负余弦相似度，实现特征向量的语义匹配，以优化两个输出特征向量的相似性。

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中国科学院光电技术研究所，其通讯地址为：610209 四川省成都市双流350信箱；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。