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！

龙图腾网获悉鹏城实验室申请的专利模型训练方法、图像重建方法、装置、电子设备及介质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：CN120411686B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510814055.4，技术领域涉及：G06V10/774；该发明授权模型训练方法、图像重建方法、装置、电子设备及介质是由徐肖顺;曹婷;王敏;刘草;梁骁俊;阳春华;桂卫华设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本模型训练方法、图像重建方法、装置、电子设备及介质在说明书摘要公布了：本申请公开了一种模型训练方法、图像重建方法、装置、电子设备及介质，涉及神经网络技术领域。方法先将初始训练图像输入至初始的图像重建模型；通过完成预训练的分割网络模块进行图像分割处理，得到分割掩码概率训练图像，将分割掩码概率训练图像与初始训练图像输入至扩散网络模块的加噪单元，得到加噪训练图像；将加噪训练图像输入至扩散网络模块的去噪单元，得到预测训练噪声与重建训练图像；基于重建训练图像、初始训练图像、预测训练噪声、分割掩码概率训练图像、真实标签图像，计算得到总损失，基于总损失对初始的图像重建模型进行迭代更新，得到训练好的目标图像重建模型。能够提高图像重建模型对于具有遮挡区域的图像的重建质量。

本发明授权模型训练方法、图像重建方法、装置、电子设备及介质在权利要求书中公布了：1.一种图像重建模型训练方法，其特征在于，包括： 获取具有遮挡区域的初始训练图像，以及所述初始训练图像对应的真实标签图像； 将所述初始训练图像输入至初始的图像重建模型；所述初始的图像重建模型包括初始的扩散网络模块和完成预训练的分割网络模块； 通过所述分割网络模块对所述初始训练图像进行图像分割处理，得到分割掩码概率训练图像；其中，所述分割掩码概率训练图像的第一像素与所述初始训练图像的第二像素一一对应，且所述第一像素的值表征对应的所述第二像素为遮挡区域的概率； 将所述分割掩码概率训练图像与所述初始训练图像输入至所述扩散网络模块的加噪单元，得到加噪训练图像； 将所述加噪训练图像输入至所述扩散网络模块的去噪单元，得到预测训练噪声与重建训练图像； 基于所述重建训练图像、所述初始训练图像、所述预测训练噪声、所述分割掩码概率训练图像、所述真实标签图像，计算得到总损失； 基于所述总损失对所述初始的图像重建模型进行迭代更新，得到训练好的目标图像重建模型； 所述将所述分割掩码概率训练图像与所述初始训练图像输入至所述扩散网络模块的加噪单元，得到加噪训练图像，包括： 对所述初始训练图像与所述分割掩码概率训练图像进行逐像素加权操作，得到加权训练图像； 通过所述加噪单元对所述加权训练图像进行加噪处理，得到所述加噪训练图像； 所述将所述加噪训练图像输入至所述扩散网络模块的去噪单元，得到预测训练噪声与重建训练图像，包括： 基于所述去噪单元对所述加噪训练图像进行噪声预测处理，得到预测训练噪声； 基于所述预测训练噪声与所述加噪训练图像进行图像重建处理，得到所述重建训练图像； 所述基于所述重建训练图像、所述初始训练图像、所述预测训练噪声、所述分割掩码概率训练图像、所述真实标签图像，计算得到总损失，包括： 基于所述重建训练图像与所述初始训练图像，计算得到图像重建损失； 基于所述预测训练噪声计算得到去噪损失； 基于所述预测训练噪声与所述分割掩码概率训练图像，计算得到掩码一致性损失； 基于所述分割掩码概率训练图像与所述真实标签图像，计算得到分割损失； 基于所述分割掩码概率训练图像计算得到稀疏损失； 基于所述图像重建损失、所述去噪损失、所述掩码一致性损失、所述分割损失和所述稀疏损失，得到所述总损失。

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鹏城实验室，其通讯地址为：518000 广东省深圳市南山区兴科一街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”。