北京信工博特智能科技有限公司戴亦斌获国家专利权
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！
龙图腾网获悉北京信工博特智能科技有限公司申请的专利基于特征压缩的图片深度学习预处理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：CN120655509B 。
龙图腾网通过国家知识产权局官网在2026-02-03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：202510922122.4，技术领域涉及：G06T3/4053；该发明授权基于特征压缩的图片深度学习预处理方法是由戴亦斌;葛志启设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。
本基于特征压缩的图片深度学习预处理方法在说明书摘要公布了：本发明公开了基于特征压缩的图片深度学习预处理方法，本发明涉及计算机视觉与图像处理技术领域，预处理方法包括：频域分解、参数动态调整压缩编码以及重建近似原图，本发明的优点在于：通过频域分解与选择性压缩，在保留图像核心视觉信息如物体轮廓、纹理分布的同时，大幅减少深度学习模型的计算负担，相较于传统空间域降采样，避免了全局特征丢失问题，尤其适用于移动端或边缘设备等资源受限场景，显著提升轻量化模型的部署效率与实用性。
本发明授权基于特征压缩的图片深度学习预处理方法在权利要求书中公布了：1.基于特征压缩的图片深度学习预处理方法，其特征在于：所述预处理方法包括： 1频域分解：对输入图片进行离散小波变换，分解为低频分量及高频分量，其中： -低频分量通过保留小波系数中能量占比≥85%的区域提取； -高频分量通过能量阈值筛选，保留前10%能量占比的局部边缘信息； 2参数动态调整：根据预设压缩率公式动态调整小波分解层数并基于图像内容分析模块输出的语义类别选择对应的小波基函数； 3压缩编码：将低频分量输入深度学习模型进行特征提取，同时对高频分量的保留区域进行稀疏编码，满足压缩后数据量≤原图的25%； 4重建近似原图：通过轻量级对抗生成网络对低频分量进行超分辨率重建，融合多尺度小波系数的跨层特征，使重建误差满足，且纹理一致性误差低于5%。
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北京信工博特智能科技有限公司，其通讯地址为：100000 北京市朝阳区广顺北大街17号4层04层B03内01室；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。
免责声明
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励