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！

龙图腾网获悉西安电子科技大学申请的专利基于多粒度网络的无参考图像质量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：CN116168011B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202310256035.0，技术领域涉及：G06T7/00；该发明授权基于多粒度网络的无参考图像质量评价方法是由何立火;吴翔宇;卢怡;张卓远;高新波;王笛;路文设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本基于多粒度网络的无参考图像质量评价方法在说明书摘要公布了：基于多粒度网络的无参考图像质量评价方法，包括以下步骤；步骤1，获取训练样本集B和测试样本集C：步骤2，构建基于多粒度网络的无参考图像质量评价网络模型S：步骤3，对基于多粒度网络的无参考图像质量评价网络模型S进行迭代训练，得到训练好的基于多粒度网络的无参考图像质量评价网络模型S*；步骤4，获取图像的无参考质量评价结果：将测试样本集C作为训练完成的基于多粒度网络的无参考图像质量评价网络模型S*的输入进行前向推理，得到每个测试样本的质量预测分数，以验证模型效果。本发明通过分析不同粒度的图像块中包含的丰富局部特征，实现图像的无参考质量评价与分析评价。

本发明授权基于多粒度网络的无参考图像质量评价方法在权利要求书中公布了：1.基于多粒度网络的无参考图像质量评价方法，其特征在于，包括以下步骤；步骤1，获取训练样本集B和测试样本集C：步骤2，构建基于多粒度网络的无参考图像质量评价网络模型S：步骤3，对基于多粒度网络的无参考图像质量评价网络模型S进行迭代训练，得到训练好的基于多粒度网络的无参考图像质量评价网络模型S*；步骤4，获取图像的无参考质量评价结果：将测试样本集C作为训练完成的基于多粒度网络的无参考图像质量评价网络模型S*的输入进行前向推理，得到每个测试样本的质量预测分数，以验证模型效果；所述步骤2具体包括以下步骤；步骤2.1，构建多粒度特征提取模块E，采用Resnet-50作为骨干网络，在res_conv4_1残差块之后，Resnet-50骨干网络被划分为三个并行的分支：全局分支、局部Part-2分支和局部Part-3分支；所述全局分支，在res_conv5_1模块中使用步长为2的卷积层进行下采样，在分支对应的res_conv5最后一个残差块的输出特征图上进行全局最大池化操作，并使用带有批量归一化和ReLU激活函数的、特殊的全连接层Y将2048维特征降维到256维特征，即为全局特征所述局部Part-2分支，与全局分支的不同点在于，在res_conv5_1模块中没有使用下采样操作，相应的输出特征图在水平方向上被均匀分割成2个条带，在每个条带上单独执行全局最大池化操作，再使用带有批量归一化和ReLU激活函数的、卷积核为1×1的卷积层将2048维特征降维，得到2个256维特征，即为粒度为2的局部特征和所述局部Part-3分支，与局部Part-2分支不同之处在于，在res_conv5_1模块的输出特征图在水平方向上被均匀分割成3个条带；经过每个条带上单独执行的全局最大池化和卷积，得到3个256维特征，即为粒度为3的局部特征和步骤2.2，构建特征回归模块P，将多粒度特征提取模块E输出的特征和拼接为多粒度特征F，使用特殊的全连接层Y对多粒度特征F进行回归，得到质量预测分数。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。