【技术实现步骤摘要】
本专利技术属于计算机视觉，尤其涉及一种基于深度学习的小鼠姿态估计方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、动物姿态估计在计算机视觉领域扮演着至关重要的角色，它允许从图像或视频中识别和分析动物的身体姿势和运动。这项技术在生物行为学、生态保护、农业管理和动画制作等多个领域中具有显著的应用价值。特别是在医学和药物研究中，小鼠姿态估计的重要性不言而喻。作为实验动物，小鼠在疾病模型建立和药物效果评估中起着核心作用。通过精准的姿态分析，研究人员可以更有效地追踪小鼠行为模式，从而在疾病诊断、药物反应监测等方面做出关键贡献。
3、当前，动物姿态估计已从依赖规则模型和传统机器学习方法，如支持向量机和随机森林，转变为采用深度学习方法，特别是卷积神经网络(cnn)和循环神经网络(rnn)的应用，为动物姿态估计带来了革命性的改进。这些方法能够从数据中自动学习特征，提高模型的泛化能力，并有效处理复杂的动物姿态问题。
4、然而，针对特定动物的姿态估计，深度学习方...
【技术保护点】
1.基于深度学习的小鼠姿态估计方法，其特征在于，包括：
2.如权利要求1所述的基于深度学习的小鼠姿态估计方法，其特征在于，所述姿态估计模型的骨干网络与YOLOv8模型骨干一致，采用CSPDarkNet结构，其包括由卷积层、批归一化层和激活函数串联构成的卷积块、残差变形模块以及用于对不同尺度特征图进行池化处理的空间金字塔池化模块。
3.如权利要求1所述的基于深度学习的小鼠姿态估计方法，其特征在于，所述预设的特征融合模块采用通道选择注入式机制，实现对融合通道的选择以及对即将注入特征维度以外的各维度特征信息进行融合。
4.如权利要求1所述...
【技术特征摘要】
1.基于深度学习的小鼠姿态估计方法，其特征在于，包括：
2.如权利要求1所述的基于深度学习的小鼠姿态估计方法，其特征在于，所述姿态估计模型的骨干网络与yolov8模型骨干一致，采用cspdarknet结构，其包括由卷积层、批归一化层和激活函数串联构成的卷积块、残差变形模块以及用于对不同尺度特征图进行池化处理的空间金字塔池化模块。
3.如权利要求1所述的基于深度学习的小鼠姿态估计方法，其特征在于，所述预设的特征融合模块采用通道选择注入式机制，实现对融合通道的选择以及对即将注入特征维度以外的各维度特征信息进行融合。
4.如权利要求1所述的基于深度学习的小鼠姿态估计方法，其特征在于，在所述姿态估计模型中，将所述第一尺度、第三尺度和第四尺度特征经特征融合模块处理后的输出特征，注入第二尺度特征；将所述第一尺度、第二尺度和第四尺度特征经特征融合模块处理后的输出特征，注入第三尺度特征；将所述第一尺度、第二尺度和第三尺度特征经特征融合模块处理后的输出特征，注入第四...
【专利技术属性】
技术研发人员：于明鑫，董昊，张起豪，梁生珺，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。