申请/专利权人：天翼云科技有限公司

申请日：2023-12-13

公开（公告）日：2024-04-12

公开（公告）号：CN117877064A

主分类号：G06V40/10

分类号：G06V40/10;G06V10/82;G06V10/766;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提供一种深层次聚合的全卷积多目标行人关键点检测方法，该方法包括如下步骤：步骤S1、输入一张图片，并对图片做32倍最邻近缩放预处理；步骤S2、图像经过预处理后，输入到模型backbone中提取图像featuremap；步骤S3、Backbone通过深层次聚合和可变卷积上采样改造后，生成图像featuremap，分别输出14，18，116，132featuremap；步骤S4、Backbone输出的14featuremap经过两个并行三层卷积层后，输出两个预测分支：目标关键点预测分支和目标关键点回归分支，步骤S5、Backbone输出的132featuremap经过三层卷积层和一层上采样层后，输出为14featuremap，与上步的目标关键点预测分支进行点积计算，输出图像中多目标行人关键点预测结果。解决的现有技术对行人关键点检测效果差以及无法实现端到端训练的问题。

主权项：1.一种深层次聚合的全卷积多目标行人关键点检测方法，其特征在于：该方法包括如下步骤：步骤S1、输入一张图片，并对图片做32倍最邻近缩放预处理；步骤S2、图像经过预处理后，输入到模型backbone中提取图像featuremap；步骤S3、Backbone通过深层次聚合和可变卷积上采样改造后，生成图像featuremap，分别输出14，18，116，132featuremap；步骤S4、Backbone输出的14featuremap经过两个并行三层卷积层后，输出两个预测分支：目标关键点预测分支和目标关键点回归分支；步骤S5、Backbone输出的132featuremap经过三层卷积层和一层上采样层后，输出为14featuremap，与上步的目标关键点预测分支进行点积计算，输出图像中多目标行人关键点预测结果；步骤S6、利用目标关键点回归分支修正上步的多目标行人关键点预测结果，完成图像中多目标行人关键点检测任务。

全文数据：

权利要求：

百度查询： 天翼云科技有限公司 一种深层次聚合的全卷积多目标行人关键点检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD