Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南大学刘立成获国家专利权

湖南大学刘立成获国家专利权

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!

龙图腾网获悉湖南大学申请的专利一种基于多尺度多特征交互学习的人脸图像超分辨率重建方法和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:CN121258798B

龙图腾网通过国家知识产权局官网在2026-03-20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:202511821529.4,技术领域涉及:G06T3/4076;该发明授权一种基于多尺度多特征交互学习的人脸图像超分辨率重建方法和系统是由刘立成;刘家俊;张祺彬;刘欣鑫设计研发完成,并于2025-12-05向国家知识产权局提交的专利申请。

一种基于多尺度多特征交互学习的人脸图像超分辨率重建方法和系统在说明书摘要公布了:本发明公开了一种基于多尺度多特征交互学习的人脸图像超分辨率重建方法和系统,首先,空间分支和频域分支分别提取输入低分辨率人脸图像的空间浅层特征和频域浅层特征。随后,这些特征输入级联的深度交互模块,依次进行多尺度特征提取、基于跨模态注意力机制的空间‑频域特征交互以及多尺度特征聚合,以捕获深层结构与细节特征。接着,融合浅层与深层特征,通过重建模块分别输出频域和空间域超分辨率图像。采用结合空间和频域像素损失及频域损失的组合损失函数进行监督。该方法通过频域保持结构一致性并恢复高频细节,多尺度模块减轻模糊伪影,跨模态交互实现高效特征融合,显著提升了重建图像的清晰度、真实感和整体视觉质量。

本发明授权一种基于多尺度多特征交互学习的人脸图像超分辨率重建方法和系统在权利要求书中公布了:1.一种基于多尺度多特征交互学习的人脸图像超分辨率重建方法,其特征在于,所述方法包括以下步骤: S100:构建空间-频域多尺度特征交互学习网络,包括空间-频域浅层特征提取模块、多尺度深度交互特征提取模块和图像重建模块; S200:获取低分辨率人脸图像,通过空间-频域浅层特征提取模块中的空间分支的卷积层提取空间浅层特征,通过频域分支的频率特征提取模块提取频域浅层特征; S300:将空间浅层特征和频域浅层特征输入至多个级联的深度交互特征提取模块,依次执行多尺度特征提取、空间-频率特征交互及多尺度特征聚合操作,以捕获更深层的结构与细节特征,输出深层交互空间特征和深层交互频域特征;S300中深度交互特征提取模块包括多尺度特征提取模块、空间-频率特征交互模块和多尺度特征聚合模块; 多尺度特征提取模块,对输入特征进行三层下采样,每层下采样通过Bicubic操作实现,并连接1×1卷积层和LeakyReLU激活函数,根据不同的下采样因子,三条分支分别生成全局语义特征、局部边缘特征及细节纹理特征; 空间-频率特征交互模块,通过特征融合单元对空间特征和频域特征进行门控预融合,基于多头自注意力机制计算空间特征、频率特征以及融合特征之间的跨模态相关性,通过Softmax函数生成权重矩阵,加权聚合多模态特征,最终输出深层交互特征; 多尺度特征聚合操作,对多尺度交互特征逐层进行Bicubic上采样,以聚合不同尺度的特征图; S400:分别融合空间浅层特征和深层交互空间特征,融合频域浅层特征和深层交互频域特征,经图像重建模块中的卷积层和像素重排层得到频域超分辨率人脸图像和空间域超分辨率人脸图像; S500:采用包含空间和频域分支输出的像素级损失以及频域损失的组合损失函数监督网络训练,当达到预设的结束条件时,得到训练后的网络,基于训练后的网络对实时获取的低分辨率人脸图像进行重建。

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湖南大学,其通讯地址为:410082 湖南省长沙市岳麓区麓山南路1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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。