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！

龙图腾网获悉西北工业大学申请的专利无监督双向变分自编码本质图像分解网络、方法及应用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：CN116597274B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310482722.4，技术领域涉及：G06V10/82；该发明授权无监督双向变分自编码本质图像分解网络、方法及应用是由蒋晓悦;韩逸飞;夏召强;冯晓毅设计研发完成，并于2023-05-02向国家知识产权局提交的专利申请。

本无监督双向变分自编码本质图像分解网络、方法及应用在说明书摘要公布了：本发明涉及一种无监督双向变分自编码本质图像分解网络、方法及应用，属于图像识别技术领域。该网络使用并行编解码策略，即使用两套相同但互不关联的由编码器和解码器组成的深度学习网络进行反射图或光照图的图像生成。编码器和解码器由包含下采样或上采样的网络模块组成；在编码器和解码器间特征经编码器得到潜在向量分布的均值和标准差，再从中采样到符合特定分布的特征。该方法提出了引入了变分自编码的思想，对编解码过程中的中间向量进行约束，提高模型的鲁棒性；同时提出了一种非对称生成对抗框架，提高了模型的收敛性能。

本发明授权无监督双向变分自编码本质图像分解网络、方法及应用在权利要求书中公布了：1.一种无监督双向变分自编码本质图像分解方法，其特征在于步骤如下： 步骤1：数据准备 使用原始的图像作为本质图像分解模型的输入，并分别使用反射图或光照图作为模型训练时的标签；在测试图像数据集中随机抽取一定数量的输入图像，然后抽取对应的反射图或光照图； 步骤2：构建自注意力和卷积生成器 所述的自注意力和卷积生成器由包含五层模块的编码器和解码器组成，编码器逐层完成下采样，网络中特征图的分辨率相应下降，解码器逐层完成上采样，特征图分辨率相应上升； 所述编码器由“自注意力和卷积模块+下采样”组成，所述解码器由“自注意力和卷积模块+上采样”结构堆叠得到；下采样或者上采样在卷积模块中由卷积或反卷积操作完成；采样得到的潜在向量会与跳连接传递的特征共同传入堆叠模块逐级解码并恢复分辨率，最终得到预测图像； 步骤3：构建非对称双向生成网络 所述的非对称双向生成网络是指在生成对抗网络中从源数据域到目标域的映射使用基于自注意力机制的生成器，而相应的逆向生成器则使用卷积神经网络实现； 非对称双向生成网络中的从源数据域到目标域的映射使用步骤2中的自注意力和卷积生成器，对应的从目标域到源数据域的映射则将步骤2中自注意力和卷积生成器的自注意力模块全部替换为卷积模块； 所述的非对称双向生成网络包含从X到Y和从Y到X两条生成路径，两种生成路径使用不同的生成模型，其中从X到Y的路径使用结合了卷积和自注意力的生成网络，从Y到X的路径使用仅由卷积模块组成的生成网络，这一策略称为非对称双向生成网络；其中，X和Y分别代表原始图像和反射图或光照图的真实图像，X和Y则是生成器生成的预测图像；E,G和E,G分别是从X域到Y域和从Y域到X域的编码器和解码器，D和D则是对应的判别器； 步骤4：设置损失函数，输入训练数据集对非对称双向生成网络进行训练，在反射图分解网络的训练中使用反射图标签，在光照图分解网络的训练中使用光照图标签； 步骤5：采用训练好的非对称双向生成网络进行图像分解，得到反射图或光照图。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。