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！

龙图腾网获悉中国地质大学(武汉)申请的专利一种注意力机制引导的内容感知无参考图像质量评价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：CN116844008B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310801584.1，技术领域涉及：G06V10/80；该发明授权一种注意力机制引导的内容感知无参考图像质量评价方法是由魏龙生;张皓宇;闫晴晴;刘玮;陈珺设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本一种注意力机制引导的内容感知无参考图像质量评价方法在说明书摘要公布了：本发明提供了一种注意力机制引导的内容感知无参考图像质量评价方法，该方法将元学习框架和图像内容感知预测相结合，在元训练时通过双层梯度下降优化训练Resnet50网络得到元模型，提高对各种失真信息的敏感性，在元测试时在元模型中插入极化自注意力模块，引入了空间和通道方面的注意力机制，有效利用全局信息并给予不同的注意力，同时融合元模型的多层次特征，实现对图像局部失真和全局失真的完整描述；最后通过特征降维、融合获得多层次特征的权值，得到图像的感知质量分数。该方法利用细化的深层语义特征，在理解图像内容的基础上进行质量评估，更符合人类感知过程，泛化性良好。

本发明授权一种注意力机制引导的内容感知无参考图像质量评价方法在权利要求书中公布了：1.一种注意力机制引导的内容感知无参考图像质量评价方法，其特征在于，包括以下步骤： 构建一种无参考图像质量评价模型，该模型包括元训练和元测试两个阶段； 获取无参考图像，构建训练集； 在元训练阶段，将训练集输入模型中，采用元学习方法，以Resnet为骨干网络，通过双层梯度优化策略训练，训练完成后，得到元模型； 在元测试阶段，在元模型中加入极化自注意力模块得到新模型，沿空间和通道维度学习特征的加权组合； 将新模型最后一层输出的融合注意力机制的特征和新模型低层的局部特征进行融合，得到多层次特征； 通过新模型最后一层的提取的高级语义特征学习图像内容信息，输入权重生成网络自适应地确定新模型的权重和偏差，得到质量预测网络； 将多层次特征输入质量预测网络，得到图像的质量预测得分； 在元模型中加入极化自注意力模块得到新模型，沿空间和通道维度学习特征的加权组合的具体表达式为： 其中，和分别是学习到的通道和空间权重矩阵，和分别表示通道和空间维度对应相乘，是原始的输入特征图； 将新模型最后一层输出的融合注意力机制的特征和新模型低层的局部特征进行融合，得到多层次特征的具体表达式为： 其中，表示融合后的多层次特征，表示拼接操作，表示新模型最后一层输出的融合注意力机制的特征，表示从Resnet中的卷积层Layer1、Layer2和卷积Layer3提取的注意力机制加权的局部特征，。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。