Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 大连海事大学王宁获国家专利权

大连海事大学王宁获国家专利权

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!

龙图腾网获悉大连海事大学申请的专利基于通道注意力和形变生成对抗网络的水下图像增强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:CN115713469B

龙图腾网通过国家知识产权局官网在2026-02-06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:202211394443.4,技术领域涉及:G06T5/60;该发明授权基于通道注意力和形变生成对抗网络的水下图像增强方法是由王宁;陈廷凯;孔祥军;陈延政设计研发完成,并于2022-11-08向国家知识产权局提交的专利申请。

基于通道注意力和形变生成对抗网络的水下图像增强方法在说明书摘要公布了:本发明一种基于通道注意力和形变生成对抗网络的水下图像增强方法,包括以下步骤:获取水下图像构建数据集,将数据集划分为训练集和测试集;构建用来重新标定通道权重、具有多尺度感受野的自适应通道注意力模块;构建用来进行特征提取、面向卷积核偏移的形变卷积模块;将自适应通道注意力模块和形变卷积模块进行融合,生成对抗网络;基于训练集数据对生成对抗网络进行训练,得到训练好的生成对抗网络;将测试集数据输入到训练好的生成对抗网络中,得到增强后的水下图像;利用单隐层神经网络和全局平均池化技术,构建了具有不同感受野的自适应通道注意力模块,有助于降低混合噪声对于特征层的影响;提高了不同场景深度下感兴趣物体的增强一致性。

本发明授权基于通道注意力和形变生成对抗网络的水下图像增强方法在权利要求书中公布了:1.一种基于通道注意力和形变生成对抗网络的水下图像增强方法,其特征在于:包括以下步骤: 获取水下图像构建数据集,将数据集划分为训练集和测试集; 利用单隐层神经网络和全局平均池化技术,构建用来重新标定通道权重、具有多尺度感受野的自适应通道注意力模块; 所述构建用来重新标定通道权重、具有多尺度感受野的自适应通道注意力模块的过程如下: 卷积运算表示为: 其中,代表输入特征X的第i层,代表第k个滤波器的第i层权重,代表卷积操作,Uk代表卷积输出,c代表特征层的数量; 融合操作表示为: Uf=U+U2 其中,U和U分别表示使用3×3和5×5滤波器所得到的特征,是利用逐像素相加操作得到的融合特征; 使用全局平均池化来计算每个特征图的平均响应,其表示为: 其中,代表通道响应值,代表融合后的特征,w和h分别是特征图的宽度和高度,m和n分别是特征的横坐标和纵坐标索引; 利用单隐层神经网络来提高非线性映射能力,其表示为: zfc=RWfcs4 其中,表示隐藏层的输出,代表输入层与隐藏层之间的权重,d=maxcr,L代表隐藏层节点个数,r代表通道维度的减少率,L代表通道数量的最小值,R是LeaklyReLU激活函数; 进一步地,自适应地选择合适的空间感受野,其表示为: 其中,和分别是关于3×3和5×5分支的隐藏层与输出层之间权重,和分别是3×3和5×5分支的通道注意力权重; 重新标定的特征V表示为: 其中,是整个自适应通道注意力模块的输出特征,⊙代表逐元素的乘积; 基于卷积核偏移方法和偏置位置调制机制,构建用来进行特征提取、面向卷积核偏移的形变卷积模块; 所述构建用来进行特征提取、面向卷积核偏移的形变卷积模块的过程如下: 标准卷积核的采样位置表示为: P={u,v|u,v∈{-k,-k-1,…,k}}8 其中,u和v分别表示卷积核采样位置的横坐标、纵坐标,代表卷积核边缘位置,wf代表当前卷积核宽度; 形变卷积的采样位置表示为: pm=p0+pm+Δpm9 其中,p0代表卷积核的中心点,pm=xm,ym是卷积核中第m个元素标准采样位置,xm和ym分别表示卷积核中第m个元素标准采样位置的横坐标和纵坐标,m=1,2,…,n代表卷积核中元素索引,n=|P|是卷积核中总的元素个数,Δpm代表卷积核中第m个元素的偏置大小,是卷积核中第m个元素的形变采样位置,和分别表示卷积核中第m个元素形变位置的横坐标和纵坐标; 形变后的标准卷积核的采样位置应该满足: 使用双线性插值技术从X方向来计算非整数位置的特征值其表示为: 其中:ptl=xi,yj,ptr=xi+1,yj,pbl=xi,yj+1和pbr=xi+1,yj+1分别表示距离形变位置最近的左上、右上、左下、右下整数坐标位置; 坐标为的特征值表示为: 位置的特征值表示为: 其中,是卷积核中第m个元素在形变位置的特征值; 整个形变卷积模块的输出表示为: 其中,Ox0,y0是执行形变卷积操作的输出,代表卷积核中第m个元素权重,σwm用来强调第m个偏置位置重要性的调制操作; 将自适应通道注意力模块和形变卷积模块进行融合,生成对抗网络; 基于训练集数据对生成对抗网络进行训练,得到训练好的生成对抗网络; 将测试集数据输入到训练好的生成对抗网络中,得到增强后的水下图像。

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大连海事大学,其通讯地址为:116026 辽宁省大连市高新园区凌海路1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。

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。