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！

龙图腾网获悉陕西师范大学申请的专利基于注意力机制的山水画风格迁移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：CN116245715B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310252351.0，技术领域涉及：G06T3/04；该发明授权基于注意力机制的山水画风格迁移方法是由李弘宇;吴晓军设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本基于注意力机制的山水画风格迁移方法在说明书摘要公布了：一种基于注意力机制的山水画风格迁移方法，由数据预处理、构建风格迁移网络、构建损失函数、训练风格迁移网络、生成山水画步骤组成。风格迁移网络采用了下采样模块，解决了特征提取不充分的技术问题，提高了图像的特征提取效率；注意力机制模块解决了特征图的关注度低的技术问题，提升了转换网络的精度；转换网络模块，避免了图像在变换过程中出现模糊和失真的问题，提高了转换图像的质量；上采样模块通过反卷积等操作，解决了特征图信息丢失问题，提高了图像的重建效果；并联的损失网络，解决了网络参数大的技术问题，提升了计算速度。本发明具有信息多样、计算效率高、生成图质量好、速度快等优点，可用于对山水画的风格迁移。

本发明授权基于注意力机制的山水画风格迁移方法在权利要求书中公布了：1.一种基于注意力机制的山水画风格迁移方法，其特征在于由以下步骤组成： 1数据预处理 选取山水画图像和山水画的艺术图像作为数据集，将数据集划分为训练集和测试集，训练集与测试集数量比为10：1； 将山水画照片和山水画作品调整为256×256像素图像，保存为png格式； 2构建风格迁移网络 风格迁移网络由图像变换网络与损失网络串联构成； 所述的图像变换网络由下采样模块与注意力机制模块、图像转换模块、上采样模块依次串联构成； 所述的下采样模块由第一卷积层与第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层、第一Inception模块、第二Inception模块依次串联构成； 所述的图像转换模块由8个依次串联残差块构成； 所述的上采样模块由第一反卷积层与第五卷积层、第三Inception模块、残差块、第二反卷积层、第六卷积层、第四Inception模块，第七卷积层、第三反卷积层、第八卷积层依次串联构成； 所述的损失网络由第一个vgg16网络的前八层与第二个InceptionV3网络的前八层并联构成； 3构建损失函数 按式1构建损失函数 其中，是原始内容图片特征图，是风格图片特征图，是生成图片特征图，lc表示在第2层上的特征图；c1、c2、α、β是系数，取值为0～1，c1+c2＝1，α+β＝1；wl1、wl2是系数，wl1和wl2为是第一个vgg16网络的前八层中，生成图片的卷积层l第i个滤波器在位置j上的响应，是第一个vgg16网络的前八层中，内容图片的卷积层l第i个滤波器在位置j上的响应；是第二个InceptionV3网络的前八层中，生成图片的卷积层l第i个滤波器在位置j上的响应，是第二个InceptionV3网络的前八层中，内容图片的卷积层l第i个滤波器在位置j上的响应；l1表示第5、6、7层上的特征图，l2表示第5、6、7层上的特征图；N是生成图的特征图个数，M是图片宽乘高；是生成图像在卷积层l第i个滤波器在位置j的Gram矩阵，是风格图像在卷积层l第i个滤波器在位置j的Gram矩阵； 4训练风格迁移网络 将训练集输入到风格迁移网络中进行训练，初始学习率设为0.001，学习率衰减策略为每训练30个epochs学习率减半，梯度裁剪最大梯度为2.0，每轮训练的批量大小为32，丢弃率为0.5，训练至损失函数收敛； 5生成山水画 将测试集输入到训练好的山水画风格迁移网络中进行测试，输出对应的风格化图像，用人工评估方法对测试集生成的图像进行评估。

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陕西师范大学，其通讯地址为：710062 陕西省西安市长安南路199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。