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！

龙图腾网获悉四川大学申请的专利一种基于NVIDIA Jetson TX2平台的压缩视频质量提升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：CN118233661B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202211638588.4，技术领域涉及：H04N19/85；该发明授权一种基于NVIDIA Jetson TX2平台的压缩视频质量提升方法是由何小海;李浩;赵则明;熊淑华;卿粼波设计研发完成，并于2022-12-20向国家知识产权局提交的专利申请。

本一种基于NVIDIA Jetson TX2平台的压缩视频质量提升方法在说明书摘要公布了：本发明公布了一种基于NVIDIAJetsonTX2平台的压缩视频质量提升方法，主要包括以下步骤：首先通过一个运动补偿子网络来有效地利用视频相邻帧间的空时相关性，并提取具有压缩视频空时域信息的融合特征，最后将融合后的特征输入至质量提升子网络得到增强视频帧。实验结果表明，本发明方法能够在边缘计算平台如NVIDIAJetsonTX2上顺利部署，流畅运行，并有效地抑制视频的压缩效应，提升视频质量。

本发明授权一种基于NVIDIA Jetson TX2平台的压缩视频质量提升方法在权利要求书中公布了：1.一种基于NVIDIAJetsonTX2平台的压缩视频质量提升方法，其特征在于，根据边缘计算平台NVIDIAJetsonTX2的特殊条件限制，搭建一种结合运动补偿的空时域压缩视频质量提升方法的整体框架，其步骤如下： 1将压缩视频序列输入至运动补偿子网络得到运动偏移量； 具体做法是将三帧相邻帧Ft、Ft-1与Ft+1通过“Concat”操作连通在一起以结合空时域相关性，随后，通过一个基于U-net结构的网络预测出Ft-1与Ft+1到Ft的运动偏移量δm，网络主要由三次连续的下采样卷积层与三次连续的上采样卷积层组成，其中，下采样卷积层由一个下采样层后面跟一个普通卷积层形成，上采样卷积层由一个上采样层后面跟一个普通卷积层形成，所述普通卷积层步长设为1，卷积尺寸为3×3，并采用线性整流单元作为激活函数，所述下采样层由卷积层步长设为2、卷积尺寸为3×3的卷积层形成，所述上采样层由卷积层步长设为2、卷积尺寸为4×4的反卷积层形成，将尺寸相同的上采样过程中的输出特征图与下采样过程中的输出特征图通过跳跃连接的方式“Concat”在一起，并输入到下一层中，最后，该U-net网络的输出是预测运动偏移量δm； 2结合1得到的运动偏移量对输入视频序列进行空时域融合处理； 具体做法是将得到的运动偏移量δm与Ft-1、Ft+1和Ft一起输入到深度可分离卷积层中，可以使得Ft-1和Ft+1对齐Ft，减小运动误差并提取空时域融合特征； 3将2的输出输入进质量提升子网络，最后得到质量提升后的压缩视频序列； 质量提升子网络主要由三个质量提升模块与一个卷积层组成，其中，质量提升模块由6个卷积核尺寸为3×3的卷积层组成，每两个卷积层被分为一组，输入的特征图首先进入到第一组卷积层中，并通过“Split”操作控制数量后输入给第二组与第三组卷积层，第一组卷积的输出通过“Split”操作后，再与最开始的输入“Concat”融合特征，然后输入到第二组卷积层中，同样地，第二组卷积层的输出通过“Split”操作后，与最开始的输入以及第一组的输出“Concat”融合特征，并输入给第三组卷积层，最后，最开始的输入、第一组卷积层的输出与第二组卷积层的输出“Concat”，并通过局部残差的方式与第三组卷积层相加，最后的输出传递给下一个质量提升模块或者卷积层，输入的空时域融合特征块通过连续的三个质量提升模块不断强化、映射特征，再用一个3×3的卷积层重建出图像残差，最后全局残差学习的方式与Ft相加得到质量提升后的输出帧。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。