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！

龙图腾网获悉中建八局西北建设有限公司申请的专利基于深度学习的轻量级人体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：CN115937899B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211603689.8，技术领域涉及：G06V40/10；该发明授权基于深度学习的轻量级人体关键点检测方法是由王国欣;于浩;李浩熊;柏海设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本基于深度学习的轻量级人体关键点检测方法在说明书摘要公布了：本发明涉及一种基于深度学习的轻量级人体关键点检测方法，通过以MobileNetV3为主体部分搭建检测网络，输入W*H*C的图片，经过深度可分离卷积以及平均池化和h‑swish激活函数，最终输出1*k的特征图，提出PSA通道注意力模块替换MobileNetV3中的SE模块，能够更好地提取多尺度的空间信息，使用Adam优化训练参数，在COCO数据集上对网络进行训练，进而计算数据集图片的关键点热力图和部分亲和力字段，然后将计算好的部分亲和力字段和关键点热力图与测试集上预先打好的关键点标签进行估算，并计算其准确率。解决了在特征推理期间占用内存大且在低精度计算下鲁棒性不强难以在复杂场景下准确地预测人体关键点位置的问题，与现存的轻量级人体关键点检测模型相比，具有一定的竞争力。

本发明授权基于深度学习的轻量级人体关键点检测方法在权利要求书中公布了：1.一种基于深度学习的轻量级人体关键点检测方法，其特征在于，包括如下步骤： 提供用于训练的图片，搭建检测网络，将所述图片输入所述检测网络，以对所述图片进行多尺度的特征提取与融合，并加入改进的通道注意力，从而输出所述图片的特征； 提供数据集，利用数据集对所述检测网络进行训练并优化训练参数，按设定训练次数间隔保存若干训练模型和对应的训练损失，将训练损失最小的训练模型作为检测模型； 提供测试集，将测试集输入所述检测模型，以得到对应的人体关键点的热力图，进而计算得出所述检测模型的准确率； 搭建所述检测网络时，还包括： 将MobileNetV3作为所述检测网络的主体部分，将图片输入所述检测网络，通过深度可分离卷积以及平均池化和h-swish激活函数，输出特征图； 将图片输入所述检测网络，对所述图片进行一次3*3的卷积操作，将所述图片的输出通道数调整为16，并进行标准归一化与h-swish非线性激活以获得图片P1； 将所述图片P1进行一次3*3的深度可分离卷积操作，并引入PSA通道注意力模块，进行标准归一化和ReLu非线性激活，得到通道数为16的图片P2； 将所述图片P2进行一次3*3的深度可分离卷积操作，然后进行归一化和ReLu非线性激活，得到通道数为24的图片P3； 将所述图片P3进行一次3*3的深度可分离卷积操作，然后进行归一化和ReLu非线性激活，得到通道数为24的图片P4； 将所述图片P4进行一次5*5的深度可分离卷积操作，并引入PSA通道注意力模块，进行标准归一化和h-swish非线性激活，得到通道数为40的图片P5； 将所述图片P5进行一次5*5的深度可分离卷积操作，并引入PSA通道注意力模块，进行标准归一化和h-swish非线性激活，得到通道数为40的图片P6； 将所述图片P6进行一次1*1的卷积操作，引入PSA通道注意力模块并进行标准归一化和h-swish非线性激活，得到通道数为576的图片P7； 将所述图片P7进行全局平均池化，并降低参数量，得到通道数为576的图片P8； 将所述图片P8输入到全连接层，进行h-swish非线性激活，得到通道数为1024的图片P9； 将所述图片P9输入到全连接层，最终得到通道数为k的特征图； 改进注意力，还包括： 将W*H*C的特征图输入所述检测网络，利用SPC模块对所述特征图的通道进行切分，然后对每个通道的空间信息进行多尺度特征提取，并输出特征图F； 将所述特征图F利用SEWeight模块提取不同尺度特征图下的通道注意力向量； 将不同尺度的所述通道注意力向量利用Softmax进行特征重新标定，得到对应的注意力权重； 将所述注意力权重和对应的特征图进行点乘操作，得到加权的W*H*C的特征图。

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建八局西北建设有限公司，其通讯地址为：710076 陕西省西安市高新区丈八街办锦业路与丈八二路十字东北角绿地中心A座1单元47层14701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。