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！

龙图腾网获悉西安电子科技大学申请的专利基于自注意力循环神经网络的无参考视频质量评价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：CN116320389B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310242511.3，技术领域涉及：H04N17/02；该发明授权基于自注意力循环神经网络的无参考视频质量评价方法是由何立火;李嘉秀;王正濠;王笛;高新波;路文设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本基于自注意力循环神经网络的无参考视频质量评价方法在说明书摘要公布了：本发明公开了一种基于自注意力机制和双向循环神经网络的无参考视频质量评价方法，主要解决现有技术提取视频多维度语义特征性灵活性差和提取特征的不符合人眼注意力特性的问题，其实现方案为：构建由自注意力模块、双向循环神经网络模块组成的质量预测网络；生成无参考的训练数据集；使用现有ImageNet数据集训练自注意力模块，使用训练集训练双向循环神经网络模块；利用训练好的自注意力模块和双向循环神经网络模块构成质量评价网络，通过该评价网络对输入的失真视频进行视频质量评价。本发明能灵活地提取视频多维度语义信息，获得到视频特征更符合人眼注意力特性，评价质量结果准确，可用于视频采集、压缩和传输中的多维度失真特征提取。

本发明授权基于自注意力循环神经网络的无参考视频质量评价方法在权利要求书中公布了：1.一种基于自注意力循环神经网络的无参考视频质量评价方法，其特征在于，包括如下步骤： 1构建自注意力特征学习模块： 1a建立由输入层、第1卷积层、第1批量归一化层、第2卷积层、第2批量归一化层、第3卷积层、第3批量归一化层、第4卷积层、第4批量归一化层依次级联组成的多尺度特征提取单元； 1b建立由多头自注意力计算单元、层归一化层、多层感知机、层归一化层依次级联组成自注意力编码器； 1c建立由两个自注意力编码器级联组成的自注意力编码器模块； 1d将多尺度特征提取单元、特征维度归一化层、特征维度池化层、dropout单元、concat单元、自注意力编码器模块、全局池化层、全连接层依次级联，组成的自注意力特征学习模块； 2构建双向循环质量回归模块： 2a建立由单层全连接层、并行的时序min层和softmin层、线性函数变换层、时间全局平均池化层依次级联组成的分数融合层； 2b将全连接层，双向循环神经网络层，分数融合层依次级联组成的双向循环质量回归模块； 3生成无参考的训练集： 将用户视频质量评估公知数据集中所有的无参考失真视频的亮度通道映射到[0,1]区间；将用户视频质量评估公知数据集中所有无参考失真视频对应的质量分数映射到[0,100]区间； 用映射到[0,1]和[0,100]这两个空间中无参考失真视频数据集的80％组成训练集； 4训练自注意力机制特征学习模块： 将ImageNet图像数据集中的失真图像逐个输入到自注意力特征学习模块中，由模块内的多尺度特征提取单元提取并学习空间维度与质量感知相关的多尺度特征F，并将F输入到自注意力编码器模块和全局池化层得到图像的图像特征向量ft，并将其作为依据使用随机梯度下降法更新下次多尺度特征提取单元的初始矩阵参数，直到遍历数据集中内所有失真图像，得到训练好的自注意力机制特征学习模块； 5训练双向循环质量回归模块： 5a将步骤3生成的训练集中每个视频输入到训练好的自注意力特征学习模块中，将其输出图像特征向量输入到现有的双向循环神经网络模块中，输出失真视频的综合特征Ht； 5b将综合特征Ht输入到一个单层全连接层,得到当前帧的质量分数qt；分别计算前几帧的质量分数最小值lt和质量元素权重 5c通过线性函数变换，组合记忆质量和当前帧的质量元素模拟当前帧的质量评分,再通过近似分数的时间全局平均池化计算整体视频质量Q，调取训练集中失真视频对应的实际质量分数S并保存，用于计算双向循环网络损失值； 5d利用最小绝对误差LAE的公式，计算双向循环神经网络的损失值L，利用随机梯度下降法，更新模块参数，得到训练好的双向循环质量回归模块； 6生成质量评价网络： 将训练好的自注意力机制特征学习模块和训练好的双向循环质量回归模块依次级联，组成基于自注意力机制和双向循环神经网络的无参考视频质量评价网络； 7利用无参考视频质量评价网络输出每个失真视频的质量评价分数： 对于待评价的无参考失真视频以每秒5帧的频率抽取帧图像，得到每个视频对应的图像序列组； 将每个视频的图像序列依次输入到训练好的质量评价网络中，输出视频质量分数。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。