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！

龙图腾网获悉四川中久新光科技有限公司申请的专利基于融合高分辨率特征的多类别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：CN120198685B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510685332.6，技术领域涉及：G06V10/46；该发明授权基于融合高分辨率特征的多类别关键点检测方法是由杨凌云;孟令国;潘博;刘雪涛;王威;汪林峰;张润;董旭;宋彩霞;梁亚琦设计研发完成，并于2025-05-27向国家知识产权局提交的专利申请。

本基于融合高分辨率特征的多类别关键点检测方法在说明书摘要公布了：本发明公开了基于融合高分辨率特征的多类别关键点检测方法，涉及计算机视觉技术领域，包括对待检测目标标注包围框和关键点坐标；将图像关键点进行最长对齐后转换成高斯分布图或直接转换为高斯分布图；采用包围框数据训练目标检测器；将高斯分布图作为标签传入改进后的深度学习关键点检测模型中进行训练；将待检测图像输入训练后的目标检测器得到目标位置信息，预处理后传入模型得到关键点坐标；计算关键点及其相邻像素的图像梯度，将梯度变化最大的点视为最终关键点。本发明能够融合高分辨率特征图和次级分辨率特征图，更加准确地捕捉到有效的位置信息，并预测出更准确的关键点位置。且能够扩展到多种类别的关键点检测而并不增加太多的计算开销。

本发明授权基于融合高分辨率特征的多类别关键点检测方法在权利要求书中公布了：1.一种基于融合高分辨率特征的多类别关键点检测方法，其特征在于，包括： 步骤S100、采集待检测目标的图像数据，得到图像数据样本； 步骤S200、对图像数据样本中的待检测目标标注包围框和关键点坐标，得到包围框数据和关键点数据； 步骤S300、判断关键点数据是否需要最长对齐，若需要，则进行最长对齐后再将最长对齐后的关键点数据转换成高斯分布图，否则，直接将关键点数据转换为高斯分布图；最长对齐方法如下： 步骤S310、如果标注同一类别的关键点，每个目标的关键点标注顺序需要一致； 步骤S320、如果标注不同类别的关键点且类别之间的关键点数目不一致，那么关键点数目较少的目标按照顺序标注后，需要在最后进行补0操作，直至将数目补足至所有类别中关键点数目最多的，从而完成最长对齐； 步骤S400、采用包围框数据训练目标检测器，该目标检测器用于预测待检测图像中待关键点检测的目标的位置信息； 步骤S500、将高斯分布图作为标签传入深度学习关键点检测模型中进行训练，并获得训练后的关键点检测模型； 所述深度学习关键点检测模型包括编码器和解码器，所述编码器有四层，每层由一个第一模块构成，所述第一模块由分辨率保持组件、下采样组件和第一特征融合组件构成；所述分辨率保持组件由卷积层、BN层、激活函数层构成；所述下采样组件由卷积层、BN层、激活函数层、池化层构成；所述第一特征融合组件由卷积层、BN层、激活函数层、池化层、通道拼接层构成；编码器第一层的第一模块中，第一特征融合组件只需要融合该层的第一模块中的分辨率保持组件的输出以及下采样组件的输出特征，在编码器后续三层的第一模块中，第一特征融合组件除融合对应层的第一模块中的分辨率保持组件的输出以及下采样组件的输出特征外，还融合第一层的第一模块中的分辨率保持组件的输出； 所述解码器由四层，每层由一个第二模块构成，每个第二模块均分为上采样组件和第二特征融合组件两个部分；所述上采样组件由转置卷积层组成；所述第二特征融合组件包括特征通道拼接层、卷积层、BN层、激活函数，所述第二特征融合组件将融合编码器同一层的第一模块中的分辨率保持组件输出的特征图与解码器同一层的第二模块中的上采样组件之后的特征图，保证解码器向正确的方向解码； 步骤S600、将待检测图像输入训练后的目标检测器，得到待检测图像中所有的目标位置信息，将目标在待检测图像的位置截取出来得到子图，若子图大小不等于预设大小，则将子图拉伸或压缩至预设大小，再传入训练后的关键点检测模型中，得到关键点坐标信息； 步骤S700、基于模型预测出的关键点坐标信息，计算关键点及其相邻像素的图像梯度，将梯度变化最大的点视为最终的关键点。

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中久新光科技有限公司，其通讯地址为：621000 四川省绵阳市游仙区科学城大道1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”。