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！

龙图腾网获悉杭州当虹科技股份有限公司申请的专利基于多尺度自注意力属性定位的行人属性识别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：CN116645693B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202310460877.8，技术领域涉及：G06V40/10；该发明授权基于多尺度自注意力属性定位的行人属性识别方法是由顾月薪;田建国;王协设计研发完成，并于2023-04-26向国家知识产权局提交的专利申请。

本基于多尺度自注意力属性定位的行人属性识别方法在说明书摘要公布了：本发明公开了一种基于多尺度自注意力属性定位的行人属性识别方法，包括以下步骤：准备行人属性识别训练集，包括人体属性数据集及人脸属性数据集；设计基于多尺度自注意力属性定位的行人属性识别网络，训练人体属性识别模型与人脸属性识别模型；采用基于多任务学习的行人属性识别网络架构，主体网络参数共享，各属性采用独立分支进行识别；构建共享网络结构，以行人图像包括人体图像与人脸图像作为输入，输出各属性共享特征；设计基于多尺度自注意力的行人属性定位分支结构，以共享网络输出的属性共享特征作为各分支属性的输入，输出各分支属性所对应的属性特征；整合人体属性识别模型与人脸属性识别模型，融合输出行人属性特征。

本发明授权基于多尺度自注意力属性定位的行人属性识别方法在权利要求书中公布了：1.一种基于多尺度自注意力属性定位的行人属性识别方法，其特征在于，包括以下步骤： 步骤1，准备行人属性识别训练集，包括人体属性数据集及人脸属性数据集；所述人体属性数据集包括公开数据集PETA数据集以及自制监控场景人体数据集；所述人脸属性数据集包括公开数据集CelebA、AFAD年龄数据集、EmotioNet表情数据集及自制监控场景人脸数据集； 步骤2，设计基于多尺度自注意力属性定位的行人属性识别网络，训练人体属性识别模型与人脸属性识别模型； 步骤3，采用基于多任务学习的行人属性识别网络架构，主体网络参数共享，各属性采用独立分支进行识别； 步骤4，构建共享网络结构，以行人图像包括人体图像与人脸图像作为输入，输出各属性共享特征； 步骤5，设计基于多尺度自注意力的行人属性定位分支结构，以共享网络输出的属性共享特征作为各分支属性的输入，输出各分支属性所对应的属性特征； 步骤6，整合人体属性识别模型与人脸属性识别模型，融合输出行人属性特征； 其中步骤2中训练人体属性识别模型过程如下：行人图像经过人体检测器检测出人体图像，缩放到128*256作为输入；人体图像经过共享卷积网络，采用残差神经网络Resnet提取各属性的公共特征图；公共特征图分别进入属性分支1,2，...，N，其中N表示识别属性的个数，每一属性分支设置独立的自注意力模块进行属性定位，同时采用平衡金字塔进行多尺度定位；每一属性分支的属性特征叠加上定位信息，输入各自的全连接层，进行属性预测，每一属性是一个二分类或多分类； 所述自注意力模块采用空间域自注意力机制，流程如下： 将原特征层X进行特征分解得到Q、K、V三个矩阵，其中Q与K是不同特征的表示矩阵；采取抽样方法，对三个矩阵进行抽样；Q*K得到不同特征之间的相关性矩阵，把相关性矩阵和V相乘得到输出； 所述平衡金字塔进行多尺度定位包括缩放、整合、细化和强化步骤，取Resnet输出的4个不同层级特征C2、C3、C4和C5，将C4、C5进行上采样，C2、C3进行池化下采样，4个层级缩放到同一大小进行叠加整合到平衡的语义特征图，整合后进入细化层，进一步细化特征，细化层采用嵌入式高斯非局部注意力模块，最后每一层重新缩放到原来的尺寸，叠加原始特征进行加强得到新的特征图P2、P3、P4和P5； 步骤6具体包括：将行人人体图像与人脸图像分别输入人体属性识别模型以及人脸属性识别模型，输出人体属性特征feature以及所对应的属性质量分feature_value和人脸属性特征feature_face以及feature_face_value；对两个属性特征公共的部分进行质量分对比进行权重加权计算，同时计算不同属性之间的关系矩阵，通过关系矩阵进行权重加权输出。

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杭州当虹科技股份有限公司，其通讯地址为：310000 浙江省杭州市西湖区西斗门路3号天堂软件园E幢16层A座；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。