厦门大学纪荣嵘获国家专利权
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!
龙图腾网获悉厦门大学申请的专利一种基于知识蒸馏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:CN116912219B 。
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:202310902071.X,技术领域涉及:G06T7/00;该发明授权一种基于知识蒸馏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。图像质量评估是对图像质量进行评估的过程。该方法利用特征蒸馏将非对称参考图像的信息引入到失真图像当中,并利用可学习的中间层来实现模型输出蒸馏,其蒸馏过程包含三个新颖的准则:1.随机掩码的特征蒸馏;2.可学习的模型输出蒸馏;3.局部特征和语义特征增强。基于该三个新颖的准则改进基于知识蒸馏的网络结构,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在基于无参考图像的质量评价缺少比较知识,性能不足的缺陷。
本发明授权一种基于知识蒸馏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的无参考图像质量评价方法,其特征在于其利用知识蒸馏将非对称的参考图像和失真图像间的对比知识引入无参考图像质量评价方法,具体包括以下步骤: 1预训练网络模型,所述网络模型由利用非对称参考图像的NAR教师模型、以Rednet101为主干网络的NR教师模型、以EfficientNet为主干网络的NR教师模型、以Transformer为主干网络的NR-IQA学生模型组成,其中NAR教师模型在特征层面蒸馏,NR教师模型在输出层面蒸馏; 所述预训练按以下三个准则进行知识蒸馏: 1.1随机掩码的特征蒸馏:在学生Encoder网络与NAR教师Encoder网络特征蒸馏之间,加入一个随机掩码模块MGD;MGD的输入是学生Encoder网络每一层的输出特征,MGD的输出是经过随机掩码后利用部分像素重构的特征图,然后利用重构的特征图和教师网络的特征图进行MSE损失计算;MGD由一个特征对齐层和两个特征重构层组成;所述特征对齐层即全连接层,所述两个特征重构层为3×3卷积,BatchNorm层和ReLU层; 1.2可学习的模型输出蒸馏:为了减少NR师生间的差距,利用一个可学习的中间层来监督学生模型的输出,这个中间层具有和NR教师模型相同结构的全连接层,可学习中间层的输入是教师模型若干层的特征的特征值加和,通过可学习的中间层输出预测分数; 1.3局部特征和语义特征增强:在学生模型中额外添加convtoken和invtoken分别受以Rednet101为主干网络的NR教师模型和以EfficientNet为主干网络的NR教师模型的监督进行正则化,以有效增强学生模型局部失真特征和语义特征提取能力;其中convtoken和invtoken分别由convolutionstem和involutionstem输出的平均池化得到; 2给定图像质量评价的数据集,对组成的网络模型进行训练:给定输入图像,学生模型和NAR教师模型通过学生Encoder分别获得低质量图像的局部-全局融合特征和高低质量图像间的分布差异特征;学生模型生成的特征图首先被掩码,然后通过一个简单的生成模块用于生成一个新特征,该生成的特征受到NAR教师模型的监督;学生encoder输出的特征通过一个decoder获取最后的质量分数,并分别受到CNN和INN网络的监督,以实现快速收敛和避免过拟合,学习到更多的局部和全局的与质量相关的特征; 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”。
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。