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！

龙图腾网获悉南开大学申请的专利一种基于卷积神经网络的图像复杂度评估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：CN116228646B 。

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：202211627823.8，技术领域涉及：G06T7/00；该发明授权一种基于卷积神经网络的图像复杂度评估方法是由杨巨峰;冯停磊;翟英杰设计研发完成，并于2022-12-17向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的图像复杂度评估方法在说明书摘要公布了：本发明公开了一种基于卷积神经网络的图像复杂度评估方法，包括以下步骤，使用双分支卷积神经网络分别提取图像的细节特征和语义信息，并在预测阶段将这两种特征进行融合；提出一种空间分布注意力模块，针对图像复杂度进行专门设计，使得提取特征可以根据特征的空间分布自适应地优化；在预测阶段，将所述特征分别输入到两个预测头分支中，其中全局复杂度分数预测头通过全连接神经网络预测输入图像的全局复杂度，局部复杂度热度图预测头通过卷积神经网络预测输入图像的局部复杂度热度图；本发明在复杂度评估数据集上表现出了优秀的复杂度预测性能，超过现有方法。对于给定图像，本发明可以精确给出全局复杂度得分与像素级别的复杂度热度图。

本发明授权一种基于卷积神经网络的图像复杂度评估方法在权利要求书中公布了：1.一种基于卷积神经网络的图像复杂度评估方法，其特征在于，包括以下步骤： 步骤1，使用包括细节分支网络和全局分支网络的双分支卷积神经网络，对于给定的图像，分别把该图像输入到细节分支网络和全局分支网络中； 步骤2，使用细节分支网络提取低层细节特征，全局分支网络提取高层语义特征，对于提取到的细节特征和语义特征，使用空间分布注意力模块进行以复杂度为导向的细节和语义特征优化； 步骤3，将步骤2优化后的细节特征和语义特征使用双线性上采样调整到同样空间大小，然后再基于通道维度进行特征拼接，得到融合的特征； 步骤4，使用Conv-BN-ReLU三层结构对步骤3得到的融合的特征进行平衡和进一步映射，得到全局复杂度分数预测头的待输入特征图Fsp以及局部复杂度热度图预测头的待输入特征图Fmp，然后再将Fsp输入到全局复杂度分数预测头得到全局复杂度得分，将Fmp输入到局部复杂度热度图预测头得到局部复杂度热度图； 步骤5，分别计算全局复杂度分数预测头以及局部复杂度热度图预测头的损失函数，得得到总的训练损失，通过梯度反向传播算法优化所述双分支卷积神经网络、全局复杂度分数预测头以及局部复杂度热度图预测头的参数。

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南开大学，其通讯地址为：300071 天津市南开区卫津路94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”。