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！

龙图腾网获悉华中农业大学申请的专利一种基于隐编码神经网络表示的动物姿态估计方法及系统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：CN119964205B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510437759.4，技术领域涉及：G06V40/10；该发明授权一种基于隐编码神经网络表示的动物姿态估计方法及系统是由倪福川;荣子阳;刘进;杜小勇;周翔;李国亮设计研发完成，并于2025-04-09向国家知识产权局提交的专利申请。

本一种基于隐编码神经网络表示的动物姿态估计方法及系统在说明书摘要公布了：本发明公开一种基于隐编码神经网络表示的动物姿态估计方法及系统，方法包括：获取至少一个关键点被遮挡的动物的图像；将获取的所述图像输入特征提取模型，输出提取的特征图；将提取的特征图输入训练后的隐编码神经网络，输出至少一个关键点被遮挡的动物的的估计姿态；其中，所述隐编码神经网络的训练包括：训练组合编码器、码本和解码器，所述组合编码器用于将一个动物姿态转换成多个隐变量特征，所述码本用于提供离散向量，所述解码器用于根据确定的离散向量恢复动物姿态的关键点特征信息；训练分类头，所述分类头用于将主干网络提取的连续特征映射到离散的隐向量类别中。

本发明授权一种基于隐编码神经网络表示的动物姿态估计方法及系统在权利要求书中公布了：1.一种基于隐编码神经网络表示的动物姿态估计方法，其特征在于，包括： 获取至少一个关键点被遮挡的动物的图像； 将获取的所述图像输入特征提取模型，使用深度残差网络的瓶颈结构进行初步特征提取；初步提取的特征输入到全局和局部注意力模块中进行全局和局部窗口的特征提取，再由基于卷积的双分支FFN对全局和局部特征信息进行增强交互，最终Block输出的特征图；所述初步提取的特征输入到全局和局部注意力模块中进行全局和局部窗口的特征提取，包括：将输入特征的通道分离后分别输入全局和局部分支中，其中通道分离率用于调整输入两分支的通道比例，两分支的输出特征经过拼接之后进行通道混洗； 对输入全局分支的特征图进行线性投影之后，得到Q，K，V∈RM×N×C，其中M为head数，N为序列长度，C为通道数；将K、V转化为C×M，H，W的形式，K在W轴上实施平均池化，池化为C×M，H，1大小的特征向量，再转化成M，H，C的形状；V在H轴上实施平均池化，同理得到M，W，C的形状；将Q与K矩阵相乘，得到大小M，N，H的注意力图，将注意力图进行softmax归一化操作后，与在H轴上平均池化后的V矩阵相乘，输出特征图； 对于输入局部分支的特征图xin∈RM×N×C，将其转换成xin∈RM×H×W×C的形状，并在特征图四周进行填充；对于将整体特征图转化为基于窗口的特征向量，xin→{x1,x2……xw}，形状为xw∈RM×S^2×C，经过线性层投影以及维度重排，得到Q，K，V∈RM×S×S×C；对于V，使用核大小为3×3的深度可分离卷积进行共享权重的局部信息聚合，然后进行矩阵乘法计算注意力权重图，之后经过一系列点卷积映射和Swish、Tanh激活函数获得上下文感知权重，计算注意力权重图和经过局部信息聚合的V的Hadamard积，生成局部分支的输出； 将提取的特征图输入训练后的隐编码神经网络，输出至少一个关键点被遮挡的动物的的估计姿态；其中，所述隐编码神经网络的训练包括：训练组合编码器、码本和解码器，所述组合编码器用于将一个动物姿态转换成多个隐变量特征，每个隐变量特征对应于姿态的一个子结构，所述子结构表示几个关键点的相互依赖关系，所述码本用于提供离散向量，所述解码器用于根据确定的离散向量恢复动物姿态的关键点特征信息；训练分类头，所述分类头用于将主干网络提取的连续特征映射到离散的隐向量类别中。

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华中农业大学，其通讯地址为：430000 湖北省武汉市洪山区狮子山街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”。