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！

龙图腾网获悉南京大学申请的专利一种基于串行高频注意力的轻量化图像超分辨率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：CN114897690B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210466344.6，技术领域涉及：G06T3/4053；该发明授权一种基于串行高频注意力的轻量化图像超分辨率方法是由唐杰;杜宗财;高恒;董元康;武港山设计研发完成，并于2022-04-29向国家知识产权局提交的专利申请。

本一种基于串行高频注意力的轻量化图像超分辨率方法在说明书摘要公布了：一种基于串行高频注意力的轻量化图像超分辨率方法，构建一个串行高频注意力模块，由降维卷积、边缘检测卷积、升维卷积、批归一化层和Sigmoid层构成，通过为每个像素学习一个0到1的权重来加强卷积神经网络对图像高频边缘信息的恢复。本发明方法能够充分利用注意力机制，相比现有方法，本发明兼顾了性能和效率：采用可训练的拉普拉斯边缘检测算子大幅度增强注意力模块的性能，采用串行的结构和高效的算子来保障注意力模块的效率。本发明能够改善一般方法中重建的图像边缘信息模糊的问题取得更好的重建质量，并且相比目前最好的轻量化图像超分辨率方法，能够降低72％的最大显存占用，提升38％的推理速度。

本发明授权一种基于串行高频注意力的轻量化图像超分辨率方法在权利要求书中公布了：1.一种基于串行高频注意力的轻量化图像超分辨率方法，其特征是搭建基于高频注意力的图像超分辨率模型，低分辨率图像经过特征提取后，经过高频学习，然后重建为高分辨率图像，高频学习模块包括串行的ERB+HFAB结构，ERB+HFAB结构在每个增强残差块ERB之后连接有一个高频注意力模块HFAB，高频注意力模块HFAB由降维卷积、边缘检测卷积、升维卷积、批归一化层和Sigmoid层构成，通过为每个像素学习一个0到1的权重来加强卷积神经网络对图像高频边缘信息的恢复，首先对输入特征图卷积降维，然后经过边缘检测卷积得到粗略的边缘图，接着经过增强残差块实现对边缘图的细化，再通过升维卷积将维度变换回输入空间，最后经过批归一化层BN达到Sigmoid函数的非饱和点同时引入图像的全局信息，送入Sigmoid函数为每个像素学习一个0到1的权重，得到注意力图，将注意力图和输入特征图逐像素相乘，实现特征的修正；图像超分辨率模型训练时利用L1损失函数计算重建的高分辨率图像与高清图像正样本的距离，并以此推导网络各层参数的梯度，使用Adam优化器进行监督训练； 高频注意力模块HFAB具体为： 记第k个HFAB的输入为Fk-1，输出为Fk，首先对特征图用3x3卷积降维，经过Convsqueeze·降维后的特征为： 其中LReLU·为非线性激活函数，然后经过边缘检测层得到粗略的边缘图 WLaplacian为Laplacian算子，用于引导分支对边缘细节的关注； 接着经过增强残差块Ek·实现对边缘图的细化得到 再通过3x3卷积升维变换到输入空间得到 接下来经过批归一化层达到Sigmoid函数的非饱和点，送入Sigmoid函数为每个像素学习一个0到1的权重，得到注意力图Attentionk： 最后将注意力图和输入特征图逐像素相乘，实现特征的修正： Fk＝Attentionk×Fk-1 HFAB中的批归一化层BN在推理阶段被前继3x3卷积融合，设BN的均值、方差和数值稳定参数分别为μ、σ和∈，学习到的尺度因子和偏移量为γ和β，3x3卷积的权重和偏移量为W3和b3，设输入为X，卷积层和BN层参数融合过程为：

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京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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”。