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！

龙图腾网获悉浙江农林大学申请的专利一种基于生成对抗网络的群猪姿态识别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：CN115713780B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202210970566.1，技术领域涉及：G06V40/10；该发明授权一种基于生成对抗网络的群猪姿态识别方法是由徐爱俊;王泽华;蒋永健;任永业设计研发完成，并于2022-08-13向国家知识产权局提交的专利申请。

本一种基于生成对抗网络的群猪姿态识别方法在说明书摘要公布了：本发明公开了一种基于生成对抗网络的群猪姿态识别方法，包括以下步骤，采集群猪初始数据集并对所述初始数据集进行预处理；构建包括依次设置的生成器、辨别器以及姿态估计模块三个部分的生成对抗网络模型所述姿态估计模块对所述生成器所输出的热图进行解码，并在图中提取出推测出的相应关键点位置，按照比例映射回原图；最后根据关键点位置的分布情况，组装成独立的群猪姿态完成识别。实验结果表明，能够以74.09％的mAP检测群猪的关键点，并对于被遮挡的关键点，PCK指标最高可达82.0％。

本发明授权一种基于生成对抗网络的群猪姿态识别方法在权利要求书中公布了：1.一种基于生成对抗网络的群猪姿态识别方法，其特征在于：包括以下步骤， 采集群猪初始数据集并对所述初始数据集进行预处理； 构建包括依次设置的生成器、辨别器以及姿态估计模块三个部分的生成对抗网络模型，并利用预处理的数据集训练所述生成对抗网络模型； 待识别数据输入至训练完成的所述生成对抗网络模型中，所述生成器输出热力图，所述辨别器分析所述热力图与实际结果的差异，学习骨架的几何拓扑结构特征，进而根据骨架几何结构推测出被遮挡的关键点； 所述姿态估计模块对所述生成器所输出的热力图进行解码，并在图中提取出推测出的相应关键点位置，按照比例映射回原图； 最后根据关键点位置的分布情况，组装成独立的群猪姿态完成识别； 其中，所述生成器把HrNetV2作为生成器的主干网络，网络共分为4个阶段，包括以下步骤， 网络在输入RGB图像后，经过含有2个3*3卷积层和池化层的初始阶段，产生尺度大小为原图18的高分辨率子网； 每个阶段通过下采样的方式逐步增加分辨率由高到低的所述子网，并将多分辨率的子网并行连接，在整个过程中，并行多分辨率子网通过1个3*3卷积层和1个残差块来提取特征，并利用卷积层相加的方式反复交换信息； 最后网络在输出阶段将其它几个低分辨卷积上采样连接后也作为特征输出，并用信息冗余小，映射能力大的转置卷积层将特征上采样得到用于编码关键点置信度信息的热力图和用于编码关键点连接关系的部分亲和场PAF； 以及，所述姿态估计模块包括以下步骤， 在获得经过对抗博弈重新生成的热力图后，则首先需要在图中提取关键点对应的位置，即热力图中置信度为峰值的像素点； 通过非极大值抑制的方式来找到热力图中的局部最高峰，并根据热力图缩放的大小将位置映射回原始的坐标空间； 其中利用分布感知坐标表示方法DARK方法作优化位置映射过程中因尺度变化而产生的偏移误差，只需对热力图上的每个像素位置求其一阶导数和二阶导数便可获得更为准确的像素位置，映射时的具体公式定义如下式4和5： locp＝stride*peaks+offsetsp+stride24 offsetsp＝D″p-1D′p5 其中locp表示预测关键点p在原始图像上的位置，peaks表示在热力图上关键点p的局部最高峰，offsetsp表示利用DARK方法计算的偏移，D′和D″分别表示一阶导和二阶导，stride表示缩放的大小且为4。

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浙江农林大学，其通讯地址为：311300 浙江省杭州市临安区武肃街666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。