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！

龙图腾网获悉南京邮电大学申请的专利一种嵌入式NPU视频超分辨率重建方法、系统及设备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：CN120013764B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202510178410.3，技术领域涉及：G06T3/4053；该发明授权一种嵌入式NPU视频超分辨率重建方法、系统及设备是由刘陈;陈轶;杨浩设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本一种嵌入式NPU视频超分辨率重建方法、系统及设备在说明书摘要公布了：本发明提供了一种嵌入式NPU视频超分辨率重建方法、系统及设备，包括：通过多种组合退化操作将原始高分辨率图像转换为低分辨率图像，模拟实际场景中的图像退化过程,以供模型训练使用；通过轻量化的图像超分辨率生成器和判别器，将低分辨率图像重建成超分辨率图像，生成器采用深度可分离卷积和有效的通道注意力机制，结合残差模块和特征融合技术，显著减少模型参数和计算量，同时保持较高的图像重建质量；使用图像训练数据集进行模型训练；模型量化压缩；在嵌入式设备上部署时，输入低分辨率视频，通过OpenCV库读取视频帧，预处理后输入量化模型进行推理，输出超分辨率图像并重新组合成高分辨率视频；最后针对部署的模型使用硬件加速手段加速推理过程。

本发明授权一种嵌入式NPU视频超分辨率重建方法、系统及设备在权利要求书中公布了：1.一种嵌入式NPU视频超分辨率重建方法，其特征在于，包括以下步骤： S1、数据处理：通过多种组合退化操作将原始高分辨率图像转换为低分辨率图像，模拟实际场景中的图像退化过程，以供模型训练使用； S2、模型构建：通过轻量化的图像超分辨率生成器和判别器，将低分辨率图像重建成超分辨率图像，生成器采用深度可分离卷积和有效的通道注意力机制，结合残差模块和特征融合技术，用于显著减少模型参数和计算量，同时保持较高的图像重建质量； 所述步骤S2的图像重建包括：将低分辨率图像送入图像超分辨率生成网络的浅层特征提取模块得到图像浅层特征图； 将图像浅层特征图送入图像超分辨率生成网络的深层特征提取模块得到图像深层特征图； 所述深层特征提取模块包括预设数量残差模块的堆叠，每个残差模块由1x1卷积、3x3卷积、sigmoid和有效的通道注意力机制级联组成，并引入深度可分离卷积操作； 将所述图像浅层特征图和深层特征图送入特征融合模块得到融合特征图； 将所述融合特征图送入图像超分辨率生成网络的上采样模块得到所述低分辨率图像的超分辨率图像； 利用所述超分辨率图像和所述高分辨率图像，分别输入图像超分辨率判别网络，可以得到判别所述超分辨率图像为真实图像的概率值； 其中判别网络是一个图像分类卷积神经网络，使用LeakReLU激活函数防止负性输出坏死； 输入图像经过分类卷积神经网络后再经过两个线性层得到输出结果； 根据所述高分辨率图像和超分辨率图像、判别器网络输出的概率值，确定生成网络以及判别网络的损失函数； S3、模型训练：使用图像训练数据集进行训练；将低分辨率图像作为生成器网络的输入，对应的原始高分辨率图像样本作为生成器网络的预期输出，使用反向传播算法训练生成器网络；将低分辨率图像和对应的高分辨率图像作为正例图像对，训练样本数据集中的低分辨率图像和生成器网络相应输出的图像作为反例图像对，使用反向传播算法训练判别器网络； S4、模型量化压缩：将已训练完毕的超分辨率模型文件转换为中间的ONNX格式，将ONNX格式的模型文件进一步转换为嵌入式设备兼容的RKNN格式； S5、部署：输入低分辨率视频，通过opencv库读取视频每一帧图像，对每一帧图像进行必要的预处理，输入至量化后的模型中，模型将对输入的低分辨率图像进行推理，并加载训练过程中获得的模型权重文件，经过量化模型的处理，输出超分辨率图像；最后，利用opencv库将处理后的超分辨率图像重新组合成视频，从而完成重建超分辨率视频； S6、加速：针对步骤S5部署的模型使用硬件加速手段加速推理过程。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。