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！

龙图腾网获悉青岛理工大学申请的专利基于ViT-CNN异构蒸馏的轻量化图像超分辨率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：CN121120397B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511657919.2，技术领域涉及：G06T3/4076；该发明授权基于ViT-CNN异构蒸馏的轻量化图像超分辨率方法是由王金龙;田舒文;孙煜堰;赵浩然;熊晓芸;赵小琪设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本基于ViT-CNN异构蒸馏的轻量化图像超分辨率方法在说明书摘要公布了：本发明属于计算机视觉技术领域，公开了基于ViT‑CNN异构蒸馏的轻量化图像超分辨率方法，将低分辨率图像输入至预训练的教师模型和待训练的学生模型中，通过构建并融合师生模型的注意力特征，实现跨架构的空间知识迁移与对齐；通过在频域中对齐师生模型的全局特征，实现稳健的频谱知识迁移；通过损失优化对学生模型进行训练优化。通过本发明提高图像超分辨率能力。

本发明授权基于ViT-CNN异构蒸馏的轻量化图像超分辨率方法在权利要求书中公布了：1.基于ViT-CNN异构蒸馏的轻量化图像超分辨率方法，其特征在于，包括以下步骤： 数据输入的步骤：将低分辨率图像输入至预训练的教师模型和待训练的学生模型中，其中教师模型为基于Transformer架构的ViT模型，学生模型为基于CNN的轻量化模型； 空间关系对齐的步骤：提取教师模型的深层特征并生成教师注意力特征，提取学生模型的深层特征并生成学生注意力特征；将两种注意力特征融合生成公共注意力特征，基于教师注意力特征、学生注意力特征和公共注意力特征计算空间约束蒸馏损失，实现跨架构的空间知识迁移与对齐； 其中，生成教师注意力特征的步骤，具体包括： 将教师模型的深层特征图展平为令牌序列形式； 对所述令牌序列进行全局平均池化，得到教师模型的全局特征； 教师模型通过自注意力机制计算教师模型的全局特征与所述令牌序列之间的空间关系权重，并经过Softmax归一化，得到教师注意力特征； 生成学生注意力特征的步骤，具体包括： 对学生模型的深层特征图进行全局平均池化，得到学生全局特征； 通过可学习的投影变换与非线性映射，将所述学生全局特征映射到与教师注意力特征兼容的高维注意力空间，得到学生注意力特征； 合成公共注意力特征的步骤，具体为： 将教师注意力特征和学生注意力特征在通道维度进行拼接； 将拼接后的特征通过一个包含线性层、层归一化、ReLU激活函数及Sigmoid激活函数的投影网络，合成公共注意力特征； 空间约束蒸馏损失的计算公式如下： ； 其中，表示空间约束蒸馏损失，B表示批次大小，表示样本序号，表示第b个学生注意力特征，示第个公共注意力特征，表示第个教师注意力特征，表示L2范数的平方，⊙表示逐元素乘法； 全局频谱融合的步骤：提取教师模型深层特征的全局特征并转换至频域得到教师频谱特征，提取学生模型深层特征的全局特征并转换至频域得到学生频谱特征；将学生频谱特征映射至与教师频谱特征相同的维度，并计算二者低频分量之间的频谱蒸馏损失，实现频域知识迁移； 损失计算的步骤：根据学生模型的超分辨率重建输出与真实高分辨率图像，计算图像重建损失；以空间约束蒸馏损失、频谱蒸馏损失和图像重建损失的加权和作为总损失，对学生模型进行训练优化。

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青岛理工大学，其通讯地址为：266033 山东省青岛市市北区抚顺路11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。