Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南通大学胡彬获国家专利权

南通大学胡彬获国家专利权

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!

龙图腾网获悉南通大学申请的专利一种基于混合网络的图像去雨方法及设备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:CN116957974B

龙图腾网通过国家知识产权局官网在2026-04-24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:202310923594.2,技术领域涉及:G06T5/73;该发明授权一种基于混合网络的图像去雨方法及设备是由胡彬;李金航;杨赛;程实设计研发完成,并于2023-07-26向国家知识产权局提交的专利申请。

一种基于混合网络的图像去雨方法及设备在说明书摘要公布了:本发明属于计算机视觉领域,具体涉及一种基于混合网络的图像去雨方法及设备;本发明方法包含:步骤1、构建自注意力模块;步骤2、构建基于自注意力的transformer模块;步骤3、构建可逆神经网络模块;步骤4、构建基于transformer模块和可逆神经网络模块的混合网络模块;步骤5、构建端到端的神经网络;将数据集输入步骤5中的端到端神经网络进行训练;完成训练后将真实待去雨图像输入训练好的模型,得到去雨图像。本发明基于自注意力的transformer网络结构和可逆神经网络结构,能够兼顾全局特征和局部细节,从而达到较好的去雨效果。

本发明授权一种基于混合网络的图像去雨方法及设备在权利要求书中公布了:1.一种基于混合网络的图像去雨方法,其特征在于,包含: 步骤1、构建自注意力模块,定义自注意力模块输入为、通道维度为; 步骤2、构建基于自注意力的transformer模块,定义transformer模块的输入为; 步骤3、构建可逆神经网络模块,定义可逆神经网络模块输入为; 步骤4、构建混合网络模块,定义混合网络模块输入为; 步骤5、构建端到端的神经网络,定义端到端的神经网络的输入图像为,其中W和H分别表示图像的宽和高; 将图像数据集输入所述步骤5中的端到端神经网络进行训练,完成训练后将真实待去雨图像输入训练好的模型,得到去雨图像; 所述步骤1包含: 步骤1-1、对执行一次线性变换,得到,如下式所示: ; 其中为自注意力模块模型要学习的权重参数,为自注意力模块模型要学习的偏置参数; 步骤1-2、计算,,其中表示空洞卷积,sum表示求和运算,此处采用三种空洞卷积,空洞参数分别为1、3、5; 步骤1-3、对执行一次线性变换,得到,如下式所示: ; 其中为自注意力模块模型要学习的权重参数,为自注意力模块模型要学习的偏置参数,通道维度为;将从通道层面划分为和两个张量,和的通道维度均为; 步骤1-4、计算和的相似度,并用softmax激活函数将进行归一化处理,表示矩阵乘法运算; 步骤1-5、计算,对进行一次线性变换,得到自注意力模块的输出,如下式所示: ; 其中为自注意力模块模型要学习的权重参数,为自注意力模块模型要学习的偏置参数; 所述步骤2包含: 步骤2-1、将进行层归一化处理后送入所述步骤1的自注意力模块,得到注意力图,计算得到; 步骤2-2、将进行层归一化处理后得到,将执行一次线性变换,得到,如下式所示: ; 其中为transformer模块模型要学习的权重参数,为transformer模块模型要学习的偏置参数; 步骤2-3、采用高斯误差线性单元激活函数对进行处理,得到,如下式所示: ; 步骤2-4、将执行一次线性变换,得到,如下式所示: ; 其中为transformer模块模型要学习的权重参数,为transformer模块模型要学习的偏置参数; 步骤2-5、计算transformer模块输出,其中; 所述步骤3包含: 步骤3-1、对可逆神经网络模块的输入进行预处理,在通道层面对进行归一化 ; 其中和分别为网络可训练参数; 步骤3-2、将与可逆卷积相乘,得到,为可逆卷积,通过网络训练得到其卷积核参数;将从通道层面平均划分为两部分,分别为和; 步骤3-3、构建一个浅层神经网络NN,NN是包含任意层数的神经网络并且由三层卷积层组成,将输入NN,得到; 步骤3-4、将从通道层面平均划分为两部分,分别为和,使用和对进行仿射变换,得到,如下式所示: ; 其中表示矩阵乘法运算,其中表示激活函数,定义如下: ; 其中表示激活函数的输入; 步骤3-5、将步骤3-4中得到的和步骤3-2中的级联,得到可逆神经网络输出,如下所示: ; 其中表示通道层面的级联操作; 所述步骤4包含: 所述混合网络模块的输出为,如下式所示: ; 其中表示所述步骤2中基于自注意力的transformer模块,表示所述步骤3中可逆神经网络模块。

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南通大学,其通讯地址为:226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。