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！

龙图腾网获悉天津大学申请的专利一种基于自卷积注意力的不确定性感知单图像超分辨率网络模型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：CN119444573B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202411475260.4，技术领域涉及：G06T3/4053；该发明授权一种基于自卷积注意力的不确定性感知单图像超分辨率网络模型是由胡清华;王金斌;杨爱萍;魏子浩设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本一种基于自卷积注意力的不确定性感知单图像超分辨率网络模型在说明书摘要公布了：本发明公开一种基于自卷积注意力的不确定性感知单图像超分辨率网络模型，包括浅层特征提取模块SFE、深层特征提取模块DFE和图像重建模块IR；浅层特征提取模块SFE通过一个卷积层对输入的低分辨率图像进行浅层特征提取，生成初始特征F0：深层特征提取模块DFE包括若干个残差注意力组RAG，每个残差注意力组RAG由若干个跨分辨率混合注意力块CRHAB组成；深层特征提取模块DFE用于从初始特征F0中提取深层特征FDF：图像重建模块IR对深层特征FDF进行上采样，并与初始特征F0结合，生成最终的超分辨率输出图像ISRS。

本发明授权一种基于自卷积注意力的不确定性感知单图像超分辨率网络模型在权利要求书中公布了：1.一种基于自卷积注意力的不确定性感知单图像超分辨率网络模型的构建方法，其特征在于，包括：构建浅层特征提取模块SFE、构建深层特征提取模块DFE和构建图像重建模块IR； 浅层特征提取模块SFE通过一个卷积层对输入的低分辨率图像进行浅层特征提取，生成初始特征F0： F0＝HSFILR, 其中，表示输入的低分辨率图像，H和W为低分辨率图像的高度和宽度，C为低分辨率图像的通道数；HSF·表示浅层特征提取模块的映射函数，通过一个卷积层实现，F0为生成的初始特征； 深层特征提取模块DFE包括若干个残差注意力组RAG，每个残差注意力组RAG由若干个跨分辨率混合注意力块CRHAB组成；深层特征提取模块DFE用于从初始特征F0中提取深层特征FDF： FDF＝HDFF0, 其中，为深层特征，HDF·表示深层特征提取模块DFE的映射函数，深层特征提取模块DFE包含M个残差注意力组RAG和一个3×3的卷积层； 跨分辨率混合注意力块CRHAB包括移位的窗口多头自注意力机制和跨尺度自卷积注意力机制，跨尺度自卷积注意力机制用于在不同分辨率下提取特征自相似性，以增强上下文建模和局部特征提取； 图像重建模块IR由一个卷积层，一个像素重组层和另一个卷积层组成，先将深层特征FDF与初始特征F0进行像素相加，然后经过图像重建模块IR进行上采样，生成最终的超分辨率输出图像ISRS： ISRS＝HRECF0+FDF, 其中，为输出的超分辨率图像，H′和W′为上采样后的高分辨率图像尺寸，HREC·表示IR模块的映射函数； 图像重建模块内设置有异方差不确定性驱动的损失函数LHUL，用于动态调整不确定性区域的权重，增强纹理和边缘细节的恢复能力；异方差不确定性驱动的损失函数LHUL包括像素不确定性损失Lpix和特征不确定性损失Lper： LHUL＝αpixLpix+αperLper, 其中，αpix＝1和αper＝0.01为最优权重。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。