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！

龙图腾网获悉超音速人工智能科技股份有限公司申请的专利基于分类模型的轻量级工业图像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：CN117710683B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202311601629.7，技术领域涉及：G06V10/40；该发明授权基于分类模型的轻量级工业图像关键点检测方法是由张俊峰;杨培文;沈俊羽;张小村设计研发完成，并于2023-11-27向国家知识产权局提交的专利申请。

本基于分类模型的轻量级工业图像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分类模型的轻量级工业图像关键点检测方法，包括以下步骤：将待检测图像输入特征提取网络，通过特征提取网络提取关键点的图像特征；将图像特征输入网络输出头中，通过网络输出头输出关键点的预测横坐标、预测纵坐标和预测可见性；在待检测图像上标注关键点，并将关键点映射到横坐标轴和纵坐标轴上，计算关键点的横坐标与预测横坐标的第一损失值、纵坐标与预测纵坐标的第二损失值以及真实可见性信息与预测可见性的第三损失值。本发明能满足低算力设备的实时运行需求，并基于分类模型消除基于热图模型的理论误差下界，通过增加关键点的可见性损失函数，避免检测出不存在的关键点。

本发明授权基于分类模型的轻量级工业图像关键点检测方法在权利要求书中公布了：1.基于分类模型的轻量级工业图像关键点检测方法，其特征在于，包括以下步骤： 将待检测图像输入特征提取网络，所述特征提取网络包括步长为1的卷积和MobileNetV3small中的一层倒残差结构；通过所述特征提取网络提取关键点的图像特征； 将图像特征输入网络输出头中，所述网络输出头包括纵坐标分类头、横坐标分类头和可见性分类头，通过所述网络输出头输出关键点的预测横坐标、预测纵坐标和预测可见性；所述纵坐标分类头预测关键点的纵坐标，所述横坐标分类头预测关键点的横坐标，所述可见性分类头预测关键点的可见性； 其中，所述纵坐标分类头预测关键点的纵坐标包括以下步骤： 将图像特征经过横坐标方向步长为2、纵坐标方向步长为1的二维卷积和ReLU激活函数后，得到图像特征y1； 将特征y1经过横坐标方向步长为2、纵坐标方向步长为1的二维卷积和ReLU激活函数后，得到图像特征y2； 将特征y2横坐标方向的特征进行全局池化后，得到特征y3； 将特征y3经过一维反卷积后，得到特征y4； 将特征y4经过一维反卷积和ReLU激活函数后，得到关键点的预测纵坐标； 所述横坐标分类头预测关键点的横坐标包括以下步骤： 将图像特征经过横坐标方向步长为1、纵坐标方向步长为2的二维卷积和ReLU激活函数后，得到图像特征x1； 将特征x1经过横坐标方向步长为1、纵坐标方向步长为2的二维卷积和ReLU激活函数后，得到图像特征x2； 将特征x2纵坐标方向的特征进行全局池化后，得到特征x3； 将特征x3经过一维反卷积后，得到特征x4； 将特征x4经过一维反卷积和ReLU激活函数后，得到关键点的预测横坐标；可见性分类头预测关键点的可见性包括以下步骤： 将图像特征经过两次横坐标方向和纵坐标方向均为4的卷积，使图像特征的长宽变为原来的164，再将卷积后的图像特征进行全局化和全连接操作后，得到关键点的预测可见性； 在待检测图像上标注关键点，并将关键点映射到横坐标轴和纵坐标轴上，计算关键点的横坐标与预测横坐标的第一损失值、纵坐标与预测纵坐标的第二损失值以及真实可见性信息与预测可见性的第三损失值，根据第一损失值、第二损失值和第三损失值总损失值，并判断总损失值能否通过阈值，若不能则筛选掉该关键点。

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超音速人工智能科技股份有限公司，其通讯地址为：510000 广东省广州市番禺区石基镇金山村华创动漫产业园B10栋；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。