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！

龙图腾网获悉国网湖北省电力有限公司;中科方寸知微(南京)科技有限公司;中国电力科学研究院有限公司;中国科学院自动化研究所申请的专利基于图像质量评估的深度学习增强模型更新方法及系统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：CN120672765B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202511189646.3，技术领域涉及：G06T7/00；该发明授权基于图像质量评估的深度学习增强模型更新方法及系统是由蔡超;杨宁;刘壮;裴炎坤;魏学备;陈鹤冲;张一帆;刘厚轩设计研发完成，并于2025-08-25向国家知识产权局提交的专利申请。

本基于图像质量评估的深度学习增强模型更新方法及系统在说明书摘要公布了：本发明提供一种基于图像质量评估的深度学习增强模型更新方法及系统，该方法包括集成ControlNet架构至图像增强模型，通过添加辅助模块和条件感知交叉熵损失函数改进图像增强模型，辅助模块用于引入额外条件生成控制信号以动态调整生成策略，改进后的图像增强模型根据输入的额外条件和输入图像生成增强后的图像；将增强后的图像输入图像质量评估模型，输出质量得分及文本描述；若质量得分低于预设阈值，则根据图像质量评估模型输出的质量得分和描述文本设计多模态损失函数，并通过反向传播实时调整改进后图像增强模型的权重参数。本发明根据评估结果实时调整图像增强模型的权重信息，从而提升模型的泛化能力和图像增强效果。

本发明授权基于图像质量评估的深度学习增强模型更新方法及系统在权利要求书中公布了：1.一种基于图像质量评估的深度学习增强模型更新方法，其特征在于，包括以下步骤： 集成ControlNet架构至图像增强模型，所述ControlNet架构通过添加辅助模块和条件感知交叉熵损失函数改进图像增强模型，辅助模块用于引入额外条件生成控制信号以动态调整生成策略，改进后的图像增强模型根据输入的额外条件和输入图像生成增强后的图像； 将增强后的图像输入图像质量评估模型，输出质量得分及文本描述； 若质量得分低于预设阈值，则根据图像质量评估模型输出的质量得分和描述文本设计多模态损失函数，并通过反向传播实时调整改进后图像增强模型的权重参数； 图像增强模型的损失函数为像素级损失或感知损失，引入条件感知交叉熵损失函数形成混合损失函数： ； 其中，是一个动态调整的权重系数，初始阶段较大，后期逐渐减小； 条件感知交叉熵损失函数的设计如下：假设ControlNet输出的控制信号需要引导模型生成符合质量条件的图像，定义目标分布与模型预测分布之间的交叉熵损失： ； 其中，由ControlNet输出的概率图，经Softmax归一化得到，根据质量评估结果动态生成； 在预训练主模型阶段，仅使用训练原图像增强模型，确保基础生成能力；其次，再冻结主模型，训练ControlNet模型时，固定主模型权重，通过优化ControlNet的可训练副本，学习生成适配额外条件的控制信号；最后，在联合微调阶段，解冻主模型，采用混合损失联合优化主模型和ControlNet参数，进而提升图像增强模型的整体性能。

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国网湖北省电力有限公司;中科方寸知微(南京)科技有限公司;中国电力科学研究院有限公司;中国科学院自动化研究所，其通讯地址为：430077 湖北省武汉市洪山区徐东大街91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。