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！

龙图腾网获悉武汉软件工程职业学院(武汉开放大学)申请的专利基于面部结构保持蒸馏网络的人脸图像超分辨率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：CN119693230B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411618804.8，技术领域涉及：G06T3/4053；该发明授权基于面部结构保持蒸馏网络的人脸图像超分辨率方法及系统是由陈希彤;罗保山;吴梦婷;马艳春;刘小燕;刘立坤;孙远设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本基于面部结构保持蒸馏网络的人脸图像超分辨率方法及系统在说明书摘要公布了：本发明提供一种基于面部结构保持蒸馏网络的人脸图像超分辨率方法及系统，属于人脸图像超分辨率领域，包括：采集低分辨率人脸图像并进行上采样，得到伪高分辨率图像；构建浅层下采样残差模块，得到浅层特征；构建高效面部保持蒸馏模块，将浅层特征输入进行深度提取和特征精炼，得到深度特征；构建深层上采样残差模块，对深度特征进行逐步精炼特征，得到精炼人脸特征；构建人脸图像重建模块进行卷积操作，得到高分辨率人脸图像，并构建整体损失函数，优化网络参数得到训练模型，更新高分辨率人脸图像；构建人脸图像超分辨率测试模块，根据训练模型对测试数据进行测试，得到合格模型。本发明在保持较低计算复杂度的同时，提高人脸图像重建的质量。

本发明授权基于面部结构保持蒸馏网络的人脸图像超分辨率方法及系统在权利要求书中公布了：1.一种基于面部结构保持蒸馏网络的人脸图像超分辨率方法，其特征在于，包括以下步骤： S1、采集低分辨率人脸图像，并对低分辨率人脸图像进行上采样，得到伪高分辨率图像； S2、构建浅层下采样残差模块，将所述伪高分辨率图像输入至浅层下采样残差模块进行处理，得到浅层特征； S3、构建高效面部保持蒸馏模块，将所述浅层特征输入至高效面部保持蒸馏模块进行深度提取和特征精炼，得到深度特征； S4、构建深层上采样残差模块，使用深层上采样残差模块对深度特征进行逐步精炼特征，得到精炼人脸特征； S5、构建人脸图像重建模块，将精炼人脸特征进行卷积操作，得到高分辨率人脸图像，并构建基于面部结构保持蒸馏网络的整体损失函数，优化基于面部结构保持蒸馏网络的网络参数，得到训练模型，更新高分辨率人脸图像，直至达到基于面部结构保持蒸馏网络的训练次数上限； S6、构建人脸图像超分辨率测试模块，利用测试数据对训练模型进行测试，得到合格模型，所述合格模型用于实现对低分辨率人脸图像的重建； 步骤S3具体包括： S31、构建多个高效面部保持蒸馏模块；所述高效面部保持蒸馏模块包括若干特征精炼单元、特征蒸馏单元和高效面部保持注意力机制，其中，每个特征精炼单元包括一个逐点卷积和两个3×3深度可分离卷积，高效面部保持注意力机制包括面部注意力分支和卷积分支，面部注意力分支包括沙漏模块和一个3×3深度可分离卷积； S32、将所述浅层特征输入至特征精炼单元进行特征精炼，得到多个精炼特征； S33、使用特征蒸馏单元分别对多个精炼特征进行面部特征蒸馏，得到蒸馏特征并进行特征融合，通过逐点卷积进行特征复用，得到融合特征； S34、分别使用卷积分支和面部注意力分支对融合特征进行处理，并进行逐元素相乘和相加，得到当前高效面部保持注意力机制的输出； S35、通过多个面部结构保留蒸馏模块堆叠逐步学习基于大核卷积的全局面部注意力权重参数，基于大核卷积的全局面部注意力权重参数和高效面部保持注意力机制的输出得到深度特征； 所述卷积分支包括一个的逐点卷积、一个5×5的深度可分离卷积以及一个5×5的深度空洞卷积，计算公式如下： ； 其中，表示大核卷积分解模块的输出特征，表示为大小的逐点卷积，表示为大小的深度可分离卷积，表示大小的深度空洞卷积，表示融合特征； 所述当前高效面部保持注意力机制的输出计算公式如下： ； ； 其中，表示第个索引下的高效面部保持注意力机制的输出，表示第个索引下的高效面部保持注意力机制的输出，表示高效面部保持注意力权重，表示激活函数，表示面部注意力分支操作。

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武汉软件工程职业学院(武汉开放大学)，其通讯地址为：430205 湖北省武汉市东湖高新开发区光谷大道117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。