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！

龙图腾网获悉中国科学院计算技术研究所申请的专利基于注意力机制的高分辨率实时自动绿幕抠像方法及系统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：CN115457266B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202211029515.5，技术领域涉及：G06V10/26；该发明授权基于注意力机制的高分辨率实时自动绿幕抠像方法及系统是由李兆歆;靳悦;朱登明;石敏;王兆其设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本基于注意力机制的高分辨率实时自动绿幕抠像方法及系统在说明书摘要公布了：本发明提出一种基于注意力机制的高分辨率实时自动绿幕抠像方法和系统，包括：通过深度学习的方法，结合特征提取模型和注意力机制去除人工调节的参与，实现自动化处理。通过采用轻量级编码器模型和先在低分辨率下进行绿幕抠像再通过高分辨率处理模块恢复原始分辨率的方法来实现。为了达到更加精细的抠像效果，采用跳跃连接的方式来缓解低级特征丢失的现象。并通过采用专门的绿幕抠像数据集来进行网络模型的训练，使得特征提取模块同样学习去除绿色溢出的相关特征。

本发明授权基于注意力机制的高分辨率实时自动绿幕抠像方法及系统在权利要求书中公布了：1.一种基于注意力机制的高分辨率实时自动绿幕抠像方法，其特征在于，包括： 步骤1，构建包括特征编码器、空洞空间卷积池化金字塔模块、注意力模块和特征解码器的神经网络模型； 步骤2，该特征编码器下采样训练图像，得到低清图像，并对该低清图像的图像特征进行提取，且在提取过程中产生中间特征； 步骤3，该空洞空间卷积池化金字塔模块，对该图像特征以不同采样率的空洞卷积并行采样，该注意力模块对采样结果进行特征提取，得到注意力特征； 步骤4，该特征解码器根据该中间特征将该注意力特征解码，得到包括该低清图像消除绿色溢出后的前景图和该低清的通道透明图的中间结果； 步骤5，以该低清图像的前景图标签和通道透明图标签为训练目标，基于该中间结果构建第一损失，训练该神经网络模型； 步骤6，为训练完成后的该神经网络模型输出添加高分辨率处理模块，得到抠像模型，高分辨率处理模块将该中间结果恢复为与该训练图像相同的分辨率，得到包括该训练图像消除绿色溢出后的前景图和该训练的通道透明图的抠像结果； 步骤7，以该训练图像的前景图标签和通道透明图标签为训练目标，基于该抠像结果构建第二损失，对该抠像模型进行训练；将绿幕图像输入训练完成后的该抠像模型，得到前景图和通道透明图作为该绿幕图像的抠像结果； 该中间结果还包括该低清图像的error图和隐含特征hidden，该第一损失包括对通道透明图的L1损失、梯度损失和拉普拉斯损失，对前景图的L1损失和拉普拉斯损失以及对error图的L2损失；该第二损失除第一损失以外，还包括对高分辨率输出结果的通道透明图的损失、梯度损失和拉普拉斯损失，对前景图的损失和拉普拉斯损失。

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中国科学院计算技术研究所，其通讯地址为：100080 北京市海淀区中关村科学院南路6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”。