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！

龙图腾网获悉浙江工业大学申请的专利一种基于深度强化学习生成式对抗神经网络和超分辨率重建的数据增强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：CN116051382B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202310188986.9，技术领域涉及：G06T3/4076；该发明授权一种基于深度强化学习生成式对抗神经网络和超分辨率重建的数据增强方法是由詹燕;刘长睿设计研发完成，并于2023-03-02向国家知识产权局提交的专利申请。

本一种基于深度强化学习生成式对抗神经网络和超分辨率重建的数据增强方法在说明书摘要公布了：本发明公开了一种基于深度强化学习生成式对抗神经网络和超分辨率重建的数据增强方法，实施方式为对工业相机采集的原始图像数据按照图像类别进行标定，并通过降采样调整图像尺寸，生成各类别图像的灰度直方图，通过最大似然估计法拟合灰度直方图，获得原始图像像素值分布的概率密度函数fx，根据Box‑Muller算法或马尔可夫链蒙特卡洛采样算法生成近似符合概率密度函数为fx的二维随机噪声，最后结合WGAN‑GP和SRCNN搭建数据增强模型，通过逐层训练的方式避免生成对抗网络直接向高分辨率图像映射困难的弊端，进而得到高分辨率的生成图像，完成对原始图像数据集的增强。本发明有效降低了模型参数的冗余性，相比传统方法，生成图像的峰值信噪比提高13.07％，结构相似性提高32.40％。

本发明授权一种基于深度强化学习生成式对抗神经网络和超分辨率重建的数据增强方法在权利要求书中公布了：1.一种基于深度强化学习生成式对抗神经网络和超分辨率重建的数据增强方法，其特征在于包括如下步骤： 1原始图像预处理：首先对工业相机采集的少量原始图像数据进行人工标定，获得不同类别图像数据对应的标签，然后对原始图像数据进行降采样； 2图像数据分布拟合：通过极大似然估计法对步骤1得到的图像数据进行分布拟合，获得近似服从其数据分布的概率密度函数fx； 3生成随机噪声：通过Box-Muller算法或马尔可夫链蒙特卡洛采样算法生成符合概率密度函数为fx的随机噪声； 4数据增强模型的搭建和训练：融合带梯度惩罚项的WGAN-GP和超分辨率卷积神经网络建立数据增强模型； 5生成数据质量评价：根据图像的峰值信噪比和结构相似性评价数据增强模型生成图像数据的质量； 步骤4的具体过程为： a.搭建WGAN-GP模型，并将步骤3中的噪声生成方法构建成噪声生成模块外接在WGAN-GP模型前端，为模型生成符合原始数据分布的噪声； b.训练WGAN-GP模型，训练完成后单独使用WGAN-GP的生成模块生成一系列低分辨率图像Gnx,n∈1,2,…,n； c.搭建超分辨率卷积神经网络模型，并将Gnx输入SRCNN进行超分辨率重建，进而得到高分辨率图像数据。

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浙江工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18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”。