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！

龙图腾网获悉广东技术师范大学申请的专利基于扩张混合注意力的2D人体姿态估计方法及相关装置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：CN119888796B 。

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：202510037612.6，技术领域涉及：G06V40/10；该发明授权基于扩张混合注意力的2D人体姿态估计方法及相关装置是由詹瑾;田伟立;关兆康;黄积伟设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本基于扩张混合注意力的2D人体姿态估计方法及相关装置在说明书摘要公布了：本发明公开了一种基于扩张混合注意力的2D人体姿态估计方法及相关装置，其方法包括：获得待估计图像数据，并将待估计图像数据输入高分辨率主干网络中进行不同尺度特征提取处理，获得4个不同尺度的特征图像；将4个不同尺度的特征图像分别输入级联扩张卷积模块中进行特征表达处理，获得4个高分辨率特征图像；将4个高分辨率特征图像输入混合自注意模块中进行特征上下文信息提取处理，获得4个高分辨率特征图像对应的上下文信息；将4个高分辨率特征图像对应的上下文信息输入关键点回归网络中对待估计图像数据中的人体姿态进行估计处理，获得人体姿态估计结果。在本发明实施例中，提高多人姿态估计的精度，并且减少了计算量。

本发明授权基于扩张混合注意力的2D人体姿态估计方法及相关装置在权利要求书中公布了：1.一种基于扩张混合注意力的2D人体姿态估计方法，其特征在于，所述方法包括： 获得待估计图像数据，并将所述待估计图像数据输入高分辨率主干网络中进行不同尺度特征提取处理，获得所述待估计图像数据对应的4个不同尺度的特征图像； 将所述待估计图像数据对应的4个不同尺度的特征图像分别输入级联扩张卷积模块中进行特征表达处理，获得4个高分辨率特征图像，所述级联扩张卷积模块中包含有4个分支，且每一个分支对应处理一个尺度的特征图像； 将所述4个高分辨率特征图像输入混合自注意模块中进行特征上下文信息提取处理，获得所述4个高分辨率特征图像对应的上下文信息； 将所述4个高分辨率特征图像对应的上下文信息输入关键点回归网络中对待估计图像数据中的人体姿态进行估计处理，获得人体姿态估计结果； 所述将所述待估计图像数据输入高分辨率主干网络中进行不同尺度特征提取处理，获得所述待估计图像数据对应的4个不同尺度的特征图像，包括： 将所述待估计图像数据输入高分辨率主干网络之后，基于所述高分辨率主干网络中的依次经过三个高分辨率步骤进行不同尺度特征提取处理，获得所述待估计图像数据对应的4个不同尺度的特征图像； 其中三个高分辨率步骤中的第一个高分辨率步骤对输入的待估计图像数据进行处理，并生成两个不同尺度的特征图像输入第二个高分辨率步骤中，第二个高分辨率步骤将处理生成的三个不同尺度的特征图像输入第三个高分辨率步骤中；所述将所述待估计图像数据对应的4个不同尺度的特征图像分别输入级联扩张卷积模块中进行特征表达处理，获得4个高分辨率特征图像，包括： 将所述待估计图像数据对应的4个不同尺度的特征图像分别输入级联扩张卷积模块中之后，基于所述级联扩张卷积模块中的扩张卷积模块四个分支对输入的4个不同尺度的特征图像进行处理，获得4个高分辨率特征图像，其中扩张卷积模块中使用四个不同膨胀率的扩张卷积层；所述扩张卷积模块四个分支的结构为每一个分支第一层结构为1*1的卷积核； 第二层结构为四个分支中除第一分支外的第二分支分别在1*1的扩积核后连接1*3的卷积核，第三分支在1*1的扩积核后连接3*1的卷积核以及第四分支在1*1的扩积核后连接3*3的卷积核； 第三层结构为在四个分支均接入3*3的扩张卷积核，且扩张卷积核的实际尺寸与原始卷积核尺寸之间的关系为： ； 其中，表示等效内核大小；表示原始卷积核大小；表示扩张卷积的膨胀率。

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广东技术师范大学，其通讯地址为：510665 广东省广州市天河区中山大道西293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。