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！

龙图腾网获悉安徽工程大学申请的专利一种图像艺术风格迁移算法、存储介质及设备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：CN120318059B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510506535.4，技术领域涉及：G06T3/04；该发明授权一种图像艺术风格迁移算法、存储介质及设备是由唐哲;刘贝芬;张坦坦;陈孟元设计研发完成，并于2025-04-22向国家知识产权局提交的专利申请。

本一种图像艺术风格迁移算法、存储介质及设备在说明书摘要公布了：本发明属于图像处理技术领域，具体涉及一种图像艺术风格迁移算法，包括下列步骤：步骤S1，构建生成网络G，生成网络G的基本框架包括编码器和解码器；步骤S2，构建判别网络D，判别网络D采用马尔可夫判别器，由一系列连续的卷积模块构成；步骤S3，将生成网络G与判别网络D进行对抗训练，训练好的生成网络G用于生成目标风格迁移图像。本发明在特征融合过程中能有效保留图像结构信息和风格特征，大幅提升了跨尺度特征融合效果，使生成图像具有更丰富的细节和更自然的风格过渡。

本发明授权一种图像艺术风格迁移算法、存储介质及设备在权利要求书中公布了：1.一种图像艺术风格迁移算法，其特征在于：包括下列步骤： 步骤S1，构建生成网络G，生成网络G的基本框架包括编码器和解码器；解码器利用通道-空间自适应融合模块将上采样特征与编码器的下采样模块的特征进行融合；通道-空间自适应融合模块包含通道注意力机制、空间注意力机制和自适应特征选择阶段；自适应特征选择阶段对双重注意力增强后的特征进行动态整合和选择，再基于自适应选择后的特征中不同通道特征之间的联系进行融合，最后生成输出结果； 步骤S2，构建判别网络D，判别网络D采用马尔可夫判别器，由一系列连续的卷积模块构成； 步骤S3，将生成网络G与判别网络D进行对抗训练，训练好的生成网络G用于生成目标风格迁移图像； 自适应特征选择阶段接受经过通道注意力机制和空间注意力机制处理后的特征图作为输入，通过1×1卷积在通道间建立关联，捕获不同通道特征之间的相互依赖关系；随后应用批量归一化稳定训练过程并加速收敛，同时减少内部协变量偏移；最后通过阈值传递单元引入非线性变换，增强模型表达能力并过滤无关信息；自适应特征选择的表达式为： 其中，Fa∈RC×H×W是输出通道a自适应选择后的特征，Wa∈RC×C代表输入映射到输出通道a线性变换矩阵，ba是输出通道a的偏置项，μa是输出通道a的通道均值向量，βa是输出通道a的可学习的偏移参数，是输出通道a的特征方差，γa是输出通道a的可学习的缩放参数，ò是数值稳定性常数；Fs是上采样特征和下采样特征拼接融合后依次经过通道注意力机制和空间注意力机制处理后输出的特征； 自适应选择后的特征Fa通过1×1卷积操作在通道维度上进行线性变换，建立不同通道特征之间的联系，随后应用批量归一化操作，通过计算每个通道的均值μB,c和方差将特征标准化为零均值和单位方差，再通过可学习的缩放参数γc和偏移参数βc调整分布，有效稳定训练过程并加速收敛；最后通过阈值传递单元引入非线性变换，增强模型的表达能力并抑制负值响应，过滤无关信息，完成最终特征融合；通道维度上进行的线性变换表示为Wf·Fa+bf，其中Wf为权重矩阵，bf为偏置项；最终特征融合的完整数学表达式为： 其中，Oc,h,w是最终输出特征在位置c,h,w的值，γc是第c个输出通道的缩放参数，Wf,c,i是从输入通道i到输出通道c的权重，Fa,i,h,w是自适应选择后特征在位置i,h,w的值，bf,c是输出通道c的偏置项，μB,c是输出通道c的统计均值，是输出通道c的统计方差，是数值稳定性常数，βc是输出通道c的偏移参数。

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安徽工程大学，其通讯地址为：241000 安徽省芜湖市鸠江区北京中路8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”。

以上内容由龙图腾AI智能生成。