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编解码网络的生猪骨架提取方法及评价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：CN113780166B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202111058392.3，技术领域涉及：G06V40/10；该发明授权一种基于编解码网络的生猪骨架提取方法及评价方法是由徐爱俊;王泽华;周素茵;叶俊华设计研发完成，并于2021-09-09向国家知识产权局提交的专利申请。

本一种基于编解码网络的生猪骨架提取方法及评价方法在说明书摘要公布了：本发明公开了一种基于编解码网络的生猪骨架提取方法及评价方法，包括以下步骤，基于ResNet50残差网络和U‑Net语义分割网络的相结合搭建编解码网络结构，并同时引入注意力机制的门控模块增强特征提取结果，生成包含位置信息的关键点热力图H；生成所述关键点热力图H的同时预测关键点偏移量，并利用霍夫投票机制将关键点偏移特征矩阵和输出的所述关键点热力图H聚合，得到精确定位的关键点位置后重新映射到原图，把关键点相连后提取出生猪骨架。本发明的有益效果：能够在光照条件不稳定、生猪运动剧烈的情况下实时的提取出生猪骨架，对于输入分辨率大小为1280x720的视频，平均均方根误差为23.43像素，骨架提取准确率为85.27％。

本发明授权一种基于编解码网络的生猪骨架提取方法及评价方法在权利要求书中公布了：1.一种基于编解码网络的生猪骨架提取方法，其特征在于：包括以下步骤， 采集生猪各类姿态数据并构建原始数据集； 所述原始数据集进行数据集增广后，区分为训练集和测试集； 建立骨架模型并对骨架上的关键点进行人工标注； 基于ResNet50残差网络和U-Net语义分割网络的相结合搭建编解码网络结构为Res-UNet结构，并同时引入注意力机制的门控模块增强特征提取结果； 其中，所述编解码网络结构包括编码单元和解码单元，所述编码单元保留ResNet50的特征提取主体，去除分类的平均池化层和全连接层，所述解码单元定义三个解码块，每个所述解码块接受融合特征矩阵Merge，进行步长为1、3*3的卷积操作降维后，得到特征矩阵FC，再经过sigmoid激活函数得到尺寸为原图的14，通道数为k的关键点分类特征图Y； 引入所述注意力机制包括以下步骤，结合注意力机制的门控模块A，将注意力作用在用作特征融合的跳跃连接上；通过深层次特征对浅层次特征的指导，对浅层次特征的不同区域进行权重再分配，赋予关键点特征高权重，背景特征低权重； 将增强的所述特征提取结果依次经过关键点分类、高斯滤波后生成包含位置信息的关键点热力图H，所述关键点热力图H包括以下生成步骤，所述关键点分类特征图Y和所述关键点热力图H的通道数、尺寸保持一致；利用所述关键点热力图H的图上每个像素位置的置信度表示对关键点的响应程度，所述置信度越高，对关键点的响应越大； 生成所述关键点热力图H的同时预测关键点偏移量，并利用霍夫投票机制将关键点偏移特征矩阵和输出的所述关键点热力图H聚合，得到精确定位的关键点位置后重新映射到原图，把关键点相连后提取出生猪骨架； 其中，所述预测关键点偏移量包括以下步骤， 通过所述编码单元的卷积块Block4对关键点的偏移进行回归，预测得到关键点偏移特征矩阵O； 关键点偏移特征矩阵O的尺寸与热力图一致，矩阵中每个元素的值为热力图上对应像素点到最邻近关键点的横向和纵向的偏移量； 标注属于生猪各关键点区域内的任意点F，即满足条件，如下式4、5： O[F,k]＝Gk-F*S4 式4和式5中，F表示热力图上的任意像素点，k＝1,2，..14为关键点序号，Gk表示第k个关键点位置的真实值，S表示原图缩放至热力图尺寸的比例，设置为4，T表示距离阈值，设置为17像素； 所述骨架模型包括以下建立步骤， 依据解剖学上猪关节的定义建立猪的骨架模型； 将所述骨架模型分为上半身区域和下半身区域，共14个关键点，上半身区域定义6个点，分别包括头部区域的头、鼻和主体区域的尾巴、髋部、脊背中心点以及肩膀，下半身区域分为8个点，分别代表了四肢的肘、蹄关节； 定义骨架关键点之间的连接关系； 在网络训练过程中，热力图生成和关键点偏移量回归分别采用sigmoid交叉熵分类损失函数和HuberLoss，并将二者以一定权重相加得到联合损失函数losstotal，分别如下式7、8和9： losstotal＝lossY*weightY+lossO*weightO9 式7中a表示关键点预测为正类的概率，y表示关键点的标签值，正例为1，负例为0；式8中y表示关键点位置的真实值，fx表示预测值，δ是HuberLoss的参数且设置为1；式9中weifhtY表示热力图生成损失函数的权重，weightO表示关键点偏移损失函数的权重，权重为0.05时，均方根误差最小，网络模型效果最优。

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。