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！

龙图腾网获悉成都哈瑞特医疗科技有限公司申请的专利一种基于深度学习关键点定位的文档图像反卷曲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：CN120340043B 。

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：202510452687.0，技术领域涉及：G06V30/16；该发明授权一种基于深度学习关键点定位的文档图像反卷曲方法是由黄宇翔;姜博怀设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本一种基于深度学习关键点定位的文档图像反卷曲方法在说明书摘要公布了：本发明公开了一种基于深度学习关键点定位的文档图像反卷曲方法，涉及数字图像恢复技术领域，包括以下步骤：S1、数据准备；S2、模型构建；S3、模型训练；S4、反卷曲推理。通过3D渲染生成训练数据，构建轻量化深度学习网络DenseNet+Transformer，将反卷曲问题转化为关键点定位，并采用综合损失函数优化模型。该方法无需额外硬件，模型效率高，能够在不借助任何辅助摄影硬件、3D重建算法的情况下，以较快的速度和较高的精确度实现文档图片的数字反卷曲，适用于大规模文档数字化处理。

本发明授权一种基于深度学习关键点定位的文档图像反卷曲方法在权利要求书中公布了：1.一种基于深度学习关键点定位的文档图像反卷曲方法，其特征在于，包括以下步骤： S1、数据准备：通过3D渲染技术对平整的电子扫描文档图像进行变换，模拟卷曲、折叠及褶皱，生成扭曲文档图像及其对应的逆变换坐标； S2、模型构建：搭建单塔式轻量化深度学习网络，该网络为自下而上依次连接的单路径结构，包括依次连接的以下模块： 卷积神经网络CNN特征提取模块，基于DenseNet的网络块单元和Transformer的注意力机制，提取文档图像的多尺度特征； Transformer特征建模模块，通过堆叠的TransformerEncoder对全局特征进行建模； 坐标预测模块，通过上采样层和预测头输出40×40×2的逆变换坐标矩阵； 所述卷积神经网络CNN特征提取模块、Transformer特征建模模块及坐标预测模块沿同一特征通路顺序连接，形成无解码分支的单塔式结构； S3、模型训练：采用包含位置损失、邻域关系损失和间隔回归损失的综合损失函数对模型进行优化，其中所述综合损失函数的表达式为： TotalLoss=LocalizationLoss+0.1·NeighborLoss+0.01·IntervalLoss S4、反卷曲推理：输入待处理的文档图像，通过所述模型预测逆变换坐标，基于网格采样将扭曲图像还原为平整图像； 所述卷积神经网络CNN特征提取模块包括依次连接的以下结构： 下采样块DownSample，由卷积层、批归一化层和Relu激活函数层组成； DenseBlock，由多个DenseLayer构成，每个DenseLayer的输出与前序输入拼接后作为下一层输入； 最终输出256通道的特征图； 所述坐标预测模块中： 上采样层采用双线性插值算法将特征图分辨率提升至原图尺寸； 预测头包括两个卷积层、归一化层和PReLU激活函数层，输出2通道的坐标矩阵； 所述模型输入图像尺寸为320×320×3，输出为40×40×2的逆变换坐标矩阵，其中40×40表示网格的行列数，2表示每个坐标点的横向和纵向分量，通过网格采样还原至原图分辨率； 所述Transformer特征建模模块由8个堆叠的TransformerEncoder组成，每个Encoder的输入与输出维度保持一致，通过多头注意力机制实现全局特征建模。

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成都哈瑞特医疗科技有限公司，其通讯地址为：610000 四川省成都市中国(四川)自由贸易试验区成都高新区交子大道219号1栋2单元1805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。