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！

龙图腾网获悉厦门大学申请的专利一种基于知识蒸馏和对比学习的无参考图像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：CN116912217B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202310901917.8，技术领域涉及：G06T7/00；该发明授权一种基于知识蒸馏和对比学习的无参考图像质量评价方法是由纪荣嵘;李旭东;张岩设计研发完成，并于2023-07-21向国家知识产权局提交的专利申请。

本一种基于知识蒸馏和对比学习的无参考图像质量评价方法在说明书摘要公布了：一种基于知识蒸馏和对比学习的无参考图像质量评价方法，属于计算机视觉领域。图像质量评价是对图像质量进行量化评价。利用特征对比学习机制，允许模型从图像的语义内容中分离出与质量相关的特征，其过程包含三个新颖的准则：1.特征和分数对的临时存储器；2.特征对比学习机制；3.对比知识的蒸馏。本发明基于该三个新颖的准则设计基于知识蒸馏和对比学习的网络结构，使之适应图像质量评价的任务，有效弥补已有的图像质量评价网络结构缺少分离出与质量相关特征能力的缺陷。

本发明授权一种基于知识蒸馏和对比学习的无参考图像质量评价方法在权利要求书中公布了：1.一种基于知识蒸馏和对比学习的无参考图像质量评价方法，其特征在于包括以下步骤： 1预训练网络模型，利用未标记数据集B作为扩展数据集进行对比学习以实现知识蒸馏；该网络模型包括以Transformer为主干网路的NR-IQA教师模型、与教师网络具有相同主干网络的NR-IQA学生模型、临时存储器1和临时存储器2组成的特征扩散模块，分别用于存储图像的特征和对应的质量分数； 所述预训练网络模型的具体步骤包括： 1特征和分数对应的临时存储器：为了更好地实现特征地对比学习，创建临时存储器1和临时存储器2，分别存储一个Batchsize12～128数量的图像特征和对应的真实质量分数；临时存储器在训练每一个Batchsize后都进行更新； 2特征对比学习机制：在主干Encoder网络和Decoder网络之间，加入特征扩散模块，即设计一种特征对比学习机制；该特征对比学习机制用于区分具有相似语义特征但质量分数差距较大的图像；具体来说，每次训练过程中，特征扩散模块的输入是查询图片的特征和质量分数，特征扩散模块的输出是Batchsize中其他多个满足与查询图片特征相似但质量分数与其相差较远的特征； 3对比知识的蒸馏：利用一个额外的未标记数据集B作为扩展数据集，通过在扩展数据集上进行对比学习，以缓解在有限数据的Transformer模型中的过拟合和性能退化问题； 2模型的输入包括标记数据集和未标记数据集两部分，其中LIVEFB作为未标记数据集，用于扩充数据，标记数据集为图像质量评价的若干个数据集，对组成的网络模型进行训练：从学生网络中提取输入图像的特征，引入一个蒸馏框架，将标记图像的特征和未标记图像的特征存储在临时存储器1中，标记图像的标签和未标记图像的伪标签存储在临时存储器2中；使用质量感知特征匹配，在临时存储器1中选择质量相似但质量分数不同的特征作为噪声干扰，并将它们作为解码器输入添加到原始特征中作为解码器输入预测图像质量，迫使模型学习关注质量感知特征； 3给定任意图像，将其输入网络模型，网络模型输出预测的分数结果。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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”。