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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于高频特征损失的GAN类生成图像的优化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：CN116882484B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310873821.5，技术领域涉及：G06N3/094；该发明授权一种基于高频特征损失的GAN类生成图像的优化方法是由叶学义;睢明聪;曾懋胜;陈海颖;郭春生设计研发完成，并于2023-07-17向国家知识产权局提交的专利申请。

本一种基于高频特征损失的GAN类生成图像的优化方法在说明书摘要公布了：本发明公开了一种基于高频特征损失的GAN类生成图像的优化方法，首先确定需要进行优化的生成图像对应的GAN类生成网络；计算生成图像的高频特征损失；然后将高频特征损失加入原有GAN类生成网络的对抗损失，对原有修改后GAN类生成网络进行再一次训练；最后通过再一次训练后的GAN类生成网络生成优化后的生成图像。本发明方法针对GAN类生成器使用Trans‑conv所生成图像带有大量杂乱高频噪声的问题，仅在GAN类生成器原有的对抗损失中添加高频特征损失，而训练过程中其它因素都不变的条件下，能明显提高生成图像的质量与多样性。

本发明授权一种基于高频特征损失的GAN类生成图像的优化方法在权利要求书中公布了：1.一种基于高频特征损失的GAN类生成图像的优化方法，其特征在于，步骤如下： 步骤1：确定需要进行优化的生成图像对应的GAN类生成网络； 步骤2：计算生成图像的高频特征损失； 以对比损失的思想构建高频特征损失，以优化GAN生成图像的质量；以生成图像和自然图像甚高频部分的高频信息在特征空间的距离来标记高频特征损失； 步骤3：将高频特征损失加入原有GAN类生成网络的对抗损失，对原有修改后GAN类生成网络进行再一次训练； 将步骤2中得到的高频特征损失加入原有GAN类生成网络的对抗损失的表达式中，对原有GAN类生成网络进行再一次训练，训练采用原有GAN类生成网络的原有训练方式不变； 步骤4：通过再一次训练后的GAN类生成网络生成优化后的生成图像； 步骤2：具体方法如下： 计算自然图像与生成图像甚高频部分的高频信息在特征空间的距离来标记高频特征 损失，具体公式如下： 其中，和分别为自然样本和生成样本，表示欧氏距离，表示样本经高 通滤波器得到的高频信息，表示高维空间输入映射到低维输出的函数，为样本数。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。