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！

龙图腾网获悉浪潮通用软件有限公司申请的专利基于多尺度特征的轻量化图像修复方法、设备及介质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：CN120374463B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510857003.5，技术领域涉及：G06T5/77；该发明授权基于多尺度特征的轻量化图像修复方法、设备及介质是由梁虎;魏代森;朱金波设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本基于多尺度特征的轻量化图像修复方法、设备及介质在说明书摘要公布了：本申请公开了基于多尺度特征的轻量化图像修复方法、设备及介质，涉及图像修复领域，方法包括：将预处理后的图像数据作为训练样本，输入至神经网络模型中，对神经网络模型进行训练；通过神经网络模型，使用多个卷积分支，提取训练样本中的多尺度特征，并通过损失函数对神经网络模型进行训练；通过卷积权重重参数化，将神经网络模型中的多个卷积分支进行合并，得到单个合并卷积分支；通过合并后的神经网络模型进行图像修复。通过引入多尺度卷积结构，能够有效提取图像在不同感受野下的细节与语义信息，增强模型对复杂纹理和结构的感知能力。

本发明授权基于多尺度特征的轻量化图像修复方法、设备及介质在权利要求书中公布了：1.一种基于多尺度特征的轻量化图像修复方法，其特征在于，包括： 获取模型训练用的数据集，并对所述数据集中的图像数据进行预处理； 将预处理后的图像数据作为训练样本，输入至神经网络模型中，对所述神经网络模型进行训练； 通过所述神经网络模型，使用多个卷积分支，提取所述训练样本中的多尺度特征，并通过损失函数对所述神经网络模型进行训练；其中，不同卷积分支中的卷积核尺寸不同； 通过测试样本，对训练完的神经网络模型进行测试； 通过卷积权重重参数化，将所述神经网络模型中的多个卷积分支进行合并，得到单个合并卷积分支； 通过合并后的神经网络模型进行图像修复； 通过所述神经网络模型，使用多个卷积分支，提取所述训练样本中的多尺度特征，并通过损失函数对所述神经网络模型进行训练，具体包括： 将所述训练样本输入至所述神经网络模型中；其中，所述训练样本包括原始图像数据以及退化图像数据； 通过所述神经网络模型的浅层卷积层中并行的多个卷积分支，对所述退化图像数据的进行特征提取，并针对每个卷积分支输出的特征图进行特征维度扩展，输出对应的高维特征图； 通过混合注意力机制，将所述高维特征图进行融合，得到多尺度增强特征；其中，所述混合注意力机制至少包括通道注意力、全局注意力； 将所述多尺度增强特征进行压缩，并通过上采样进行分辨率恢复，得到重建图像数据； 基于损失函数，将所述重建图像数据、所述原始图像数据进行对比，通过反向传播对所述神经网络模型的模型参数进行优化； 通过混合注意力机制，将所述高维特征图进行融合，得到多尺度增强特征，具体包括： 针对每个卷积分支输出的高维特征图，通过轻量级卷积模块提取该高维特征图对应的区域特性掩码图；所述区域特性掩码图包括高频区域、低频区域； 针对所述区域特性掩码图，设置混合注意力机制中各注意力机制对应的注意力权重； 根据各高维特征图对应的区域特性掩码图，通过多分支掩码协同生成注意力协同权重图； 基于所述注意力协同权重图，通过混合注意力机制，将所述高维特征图进行融合，得到多尺度增强特征； 根据各高维特征图对应的区域特性掩码图，通过多分支掩码协同生成注意力协同权重图，具体包括： 根据各高维特征图对应的区域特性掩码图堆叠为掩码张量； 针对所述掩码张量，通过对掩码进行均值的方式，确定其中高频区域、低频区域分别对应的频率权重图，并基于所述频率权重图，生成注意力协同权重图； 其中，所述频率权重图中的高频区域的权重越高，则所述注意力协同权重图中所述全局注意力的权重越高；所述频率权重图中的低频区域的权重越高，则所述注意力协同权重图中所述通道注意力的权重越高。

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浪潮通用软件有限公司，其通讯地址为：250101 山东省济南市历下区浪潮路1036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”。