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！

龙图腾网获悉南京航空航天大学申请的专利一种基于自监督学习和Transformer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：CN116029953B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211694105.2，技术领域涉及：G06T5/50；该发明授权一种基于自监督学习和Transformer的无参考图像质量评价方法是由高攀;时劲松;谭晓阳设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种基于自监督学习和Transformer的无参考图像质量评价方法在说明书摘要公布了：本发明公开了一种基于自监督学习和Transformer的无参考图像质量评价方法，使用有监督对比学习方法在大规模未标记图像质量评价数据集KADIS上进行自监督训练，从而学习到不同失真类型和级别失真图像的退化特征；结合CNN和Transformer特性设计多流主干网络结构，用以提取图像对应的失真特征；设计了分块注意力模块，将退化特征和失真特征进行融合，得到最终的失真图像质量特征，用以图像客观得分的回归预测。本发明结合自监督学习和Transformer提出了一种新型图像质量评价方法，能够有效提升模型在小样本数据集和真实数据集上的质量得分预测性能，在图像压缩和图像超分等一系列需要评判图像质量的领域都有着广泛的应用前景。

本发明授权一种基于自监督学习和Transformer的无参考图像质量评价方法在权利要求书中公布了：1.一种基于自监督学习和Transformer的无参考图像质量评价方法，其特征在于，包括以下步骤： 1构建基于自监督学习和Transformer的无参考图像质量评价网络；所述评价网络包括特征提取模块、多流主干网络、编码器网络、分块注意力模块和得分预测模块； 2根据有监督对比学习方法，构建编码器网络，并在大规模未标记图像质量评价数据集上进行自监督训练，用以学习到不同失真类型和级别图像对应的退化特征； 3结合CNN和Transformer特性设计多流主干网络结构，用以提取图像对应的失真特征； 4通过分块注意力模块，将步骤2中的退化特征和步骤3中的失真特征进行融合，得到最终的失真图像质量特征；通过得分预测模块获得图像客观得分的回归预测； 步骤1所述多流主干网络包含三个阶段的多流模块和块下采样的组合，第三阶段仅包含一个多流模块； 所述步骤3实现过程如下： 将经过特征提取模块提取后的特征图按照通道分成三部分和三部分；χ1通过可变卷积和线性层得到χ1′，χ2通过深度可分离卷积、最大池化和上采样得到χ2′，χ3通过多头注意力和线性层得到χ3′： χ1′＝FCDeformConvχ1 χ2'＝UpSampleMaxPoolDwConχ2 χ3′＝FCMHSAχ3 之后按照通道维度进行合并，并通过残差连接CBAM模块。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。