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！

龙图腾网获悉浙江工业大学申请的专利一种时变体数据的空间超分辨率重建模型及其训练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：CN115082316B 。

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：202210805650.8，技术领域涉及：G06T3/4053；该发明授权一种时变体数据的空间超分辨率重建模型及其训练方法是由马骥;陈金金;叶凯玮设计研发完成，并于2022-07-08向国家知识产权局提交的专利申请。

本一种时变体数据的空间超分辨率重建模型及其训练方法在说明书摘要公布了：本发明涉及一种时变体数据的空间超分辨率重建模型及其训练方法，模型包括依次连接的第一卷积层、基础模块、第一上采样模块、第二卷积层、第一InstanceNorm层、第一LeakyReLU激活函数层、第三卷积层、第一Sigmoid激活函数层；基础模块包括N个依次连接的基础单元，相邻两基础单元之间创建有低分辨率体数据的跳跃连接以及高分辨率体数据的跳跃连接；基础单元包括通道注意力层、空间注意力层、第二InstanceNorm层、第二上采样模块、下采样模块、第二LeakyReLU激活函数层，通道注意力层、空间注意力层、第二InstanceNorm层依次连接，第二上采样模块、下采样模块、第二InstanceNorm层依次连接，第二InstanceNorm层与第二LeakyReLU激活函数层连接。本发明考虑时变体数据时序变化信息对模型进行训练，以得到超分辨率重建效果好的模型。

本发明授权一种时变体数据的空间超分辨率重建模型及其训练方法在权利要求书中公布了：1.一种时变体数据的空间超分辨率重建模型的训练方法，其特征在于，包括步骤： S1、用户自定义训练的周期数、RAdam优化器的相关参数和损失函数的相关参数； S2、对原始高分辨率时变体数据进行预处理，以得到在通道维度上拼接后的原始低分辨率数据、在通道维度上拼接后的原始高分辨率数据，并将在通道维度上拼接后的原始低分辨率数据作为训练数据； S3、将训练数据划分为训练集和验证集； S4、将训练集打乱后抽取三个在时间步上连续的在通道维度上拼接后的原始低分辨率数据输入到空间超分辨率重建模型，并输出重建高分辨率数据； S5、基于重建高分辨率数据、在通道维度上拼接后的原始高分辨率数据、损失函数计算损失值； S6、基于损失值进行反向传播，超分辨率重建模型参数根据梯度下降算法进行优化，以完成当前训练周期； S7、基于验证集对当前模型参数进行验证，若验证成功则保存当前周期的模型参数，若验证失败则返回步骤S4，直至达到用户自定义训练的周期数； 空间超分辨率重建模型包括依次连接的输入层、第一卷积层、基础模块、第一上采样模块、第二卷积层、第一InstanceNorm层、第一LeakyReLU激活函数层、第三卷积层、第一Sigmoid激活函数层、输出层，输入层用于输入低分辨率时变体数据，输出层用于输出重建高分辨率时变体数据； 基础模块包括N个依次连接的基础单元，相邻两基础单元之间创建有低分辨率体数据的跳跃连接以及高分辨率体数据的跳跃连接； 基础单元包括通道注意力层、空间注意力层、第二InstanceNorm层、第二上采样模块、下采样模块、第二LeakyReLU激活函数层，通道注意力层、空间注意力层、第二InstanceNorm层依次连接，第二上采样模块、下采样模块、第二InstanceNorm层依次连接，第二InstanceNorm层与第二LeakyReLU激活函数层连接。

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浙江工业大学，其通讯地址为：310000 浙江省杭州市拱墅区潮王路18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”。