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！

龙图腾网获悉东南大学申请的专利一种少样本二维人体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：CN119919964B 。

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：202411936623.X，技术领域涉及：G06V40/10；该发明授权一种少样本二维人体姿态估计方法是由杨万扣;张浩然设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种少样本二维人体姿态估计方法在说明书摘要公布了：本发明公开了一种在少样本情形下利用深度学习进行二维人体姿态估计的有效方法，该方法包含如下步骤：1对于有标注样本，采用通用的监督学习方式训练姿态估计模型；2对于无标注样本，采用“一致性训练”或“多教师”方法得到其伪标签，并利用额外的不确定度分支分别估计伪标签的先验和后验不确定度信息；3在无标注样本的训练损失项中引入不确定度估计结果：将先验不确定度作为损失项整体权重引入，将后验不确定度作为损失平衡因子引，完成无标注样本部分的训练；4对于采用“多教师”方法训练的模型，将伪标签的不确定度估计结果引入融合过程，实现更高质量的伪标签融合。本发明提出的方法能够在引入尽可能少的模型参数量的情况下，有效提取无标签样本中的不确定度信息，引导模型更好地进行从无标签样本的伪标签中进行学习，在少量标注样本的情形下实现高质量的二维人体姿态估计性能。

本发明授权一种少样本二维人体姿态估计方法在权利要求书中公布了：1.一种少样本二维人体姿态估计方法，其特征在于，包括如下步骤： 步骤1：采集含有人体的二维图像，构建用于少样本情形下二维人体姿态估计的数据集，包含少量的有标注样本和大量的无标注样本； 步骤2：构建用于半监督人体姿态估计的模型，其结构包含编码器和解码器； 步骤3：构建先验不确定度估计分支和后验不确定分支； 步骤4：对于有标注样本，采用全监督的方式进行训练； 步骤5：对于无标注样本，对其包含的图像进行两种不同的数据增强，包括缩放和旋转，并得到“强增强”图像和“弱增强”图像； 步骤6：利用先验不确定度分支估计“弱增强”图像的先验不确定度； 步骤7：利用模型分别预测“弱增强”图像和“强增强”图像的结果，前者作为后者的伪标签，同时利用后验不确定度分支估计“强增强”图像预测过程的后验不确定度，利用上述三者计算异方差回归损失； 步骤8：若采用“多教师”方法进行模型训练，则根据步骤6和步骤7中估计得到的不确定度信息对多个伪标签进行加权融合，得到质量更高的融合伪标签，用于学生模型的训练； 步骤9：利用训练后的最优模型在测试数据上进行推理，得到测试数据的预测结果； 所述步骤6中，所述先验不确定度分支估计的结构包含一个最大值池化层和一个全连接分类层，其输入来源于编码器提取到的图像特征和解码器回归得到的关键点热图，通过将图像特征上采样到和热图同样的尺度，再和热图相乘，以通过热图中高亮的区域对特征图进行局部激活，得到对应关键点的局部特征；通过在标注样本上训练先验不确定度估计分支对局部特征进行分类来对标注样本进行记忆，并在无标注样本上使用分支输出的分类分值作为先验不确定度的数值； 所述步骤7中，所述后验不确定度分支估计首先包含一个通道注意力层；其次，包含一个由3个3×3卷积层和2个全连接层组成的不确定度估计模块；经由后验不确定度分支，模型在基准模型输出的热图的基础上，能够对于每个输入的样本额外输出一个方差值，即后验不确定度值。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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。