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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于ECO-GAN的图像增强系统及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：CN114663678B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210410646.1，技术领域涉及：G06V10/44；该发明授权一种基于ECO-GAN的图像增强系统及方法是由张亚新;赵志强;唐金龙;吕帅帅;潘勉;于海滨设计研发完成，并于2022-04-19向国家知识产权局提交的专利申请。

本一种基于ECO-GAN的图像增强系统及方法在说明书摘要公布了：一种基于ECO‑GAN的图像增强系统及方法，包括生成器网络和判别器网络，生成器网络包括生成器特征提取子模块和图像修复子模块，在训练阶段对输入图像提取特征、修复，输出足以迷惑判别器的生成样本；判别器网络包括判别器特征提取子模块和分类器，在训练阶段对生成样本的真伪做判别。本发明利用深度学习算法对图像进行增强，算法高效、实时性强，通过重用特征提取网络，实现多种图像增强任务；应用范围广，基于深度学习的图像增强算法，依赖于成对数据训练，而不依赖于复杂多样的各种物理知识；并且功能多样，使用灵活。

本发明授权一种基于ECO-GAN的图像增强系统及方法在权利要求书中公布了：1.一种基于ECO-GAN的图像增强系统，其特征在于，包括生成器网络和判别器网络： 所述的生成器网络包括生成器特征提取子模块和图像修复子模块，在训练阶段对输入图像提取特征、修复，输出足以迷惑判别器的生成样本；所述的判别器网络包括判别器特征提取子模块和分类器，在训练阶段对生成样本的真伪做判别； 所述的生成器特征提取子模块：位于生成器网络的输入端，采用一段级联的下采样卷积神经网络，用于从原图像中提取特征； 所述的图像修复子模块：位于生成器网络的输出端，采用N段级联的上采样卷积神经网络，根据生成器特征提取子模块提取的特征分别完成多种类型的增强任务，输出生成样本供判别器判别真伪； 所述的判别器特征提取子模块：位于判别器网络的输入端，采用一段级联的VGG19网络，对输入的真实图像和生成样本进行特征提取； 所述的分类器：位于判别器网络的输出端，通过对比较生成样本与真实图像经过判别器特征提取子模块的输出进行比较，对生成样本的真伪做出判别； 所述的下采样卷积神经网络和上采样卷积神经网络均采用ResNeSt网络模块，ResNeSt网络模块通过对多通道分成多个分支，逐分支处理其中通道间的注意力机制，得到蕴藏在通道间的信息，再把多个分支融合堆叠，结合skipconnection跳跃连接的形式，缓解了梯度消失现象； 一段级联的下采样卷积神经网络和多段级联上采样卷积神经网络均由多个并联的分支组成；每个下采样卷积神经网络的分支由多个级联的下采样卷积子模块组成，每个分支的下采样卷积子模块由一个卷积层、一个批归一化层、一个激活层级联构成； 每个上采样卷积神经网络的分支由多个级联的上采样卷积子模块组成，每个分支的上采样卷积子模块由一个反卷积层、一个批归一化层、一个激活层级联构成；所述的激活层都采用了LeakyReLU激活函数； 所述的图像修复子模块中采用了跨阶段融合模块，用于减少网络模型在同时处理N种增强类型任务时带来的相互抑制影响；跨阶段融合模块采用两个卷积层，分别接受当前分支的输入和前一阶段分支的输入，沿通道维度堆叠，再经过一个卷积层处理来自不同阶段的特征，以实现跨阶段的特征融合；跨阶段融合模块首先将当前阶段的通道数为ch的特征与前一阶段的通道数为ch的特征堆叠起来，得到通道数为2×ch的特征，再经过卷积层提取其中的信息，将特征浓缩，得到通道数为ch的特征，并继续送给当前阶段的网络； 所述判别器采用Patch-GAN，通过全局判别器和局部判别器综合判别生成器网络的输出样本的质量。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。