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！

龙图腾网获悉哈尔滨工程大学申请的专利一种融合卷积和注意力机制的无参考图像质量评估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：CN116862880B 。

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：202310855988.9，技术领域涉及：G06T7/00；该发明授权一种融合卷积和注意力机制的无参考图像质量评估方法是由蔡成涛;韩锐;郑丽颖;黄星辉;周文涛;王昱瑶设计研发完成，并于2023-07-13向国家知识产权局提交的专利申请。

本一种融合卷积和注意力机制的无参考图像质量评估方法在说明书摘要公布了：本发明公开了一种融合卷积和注意力机制的无参考图像质量评估方法，包括：对输入图像进行预处理，获取处理后的图像；通过加入双注意力的深度卷积神经网络提取所述处理后的图像的特征，对图像特征进行加权处理，并基于全局平均池化操作对所述图像特征进行压缩处理，利用全连接层预测图像质量分数。本发明采用更深卷积网络结构，特征提取更加全面；同时，深层卷积融合双注意力机制组合有效特征信息，从而提升图像质量预测精度。

本发明授权一种融合卷积和注意力机制的无参考图像质量评估方法在权利要求书中公布了：1.一种融合卷积和注意力机制的无参考图像质量评估方法，其特征在于，包括： 对输入图像进行预处理，获取处理后的图像； 通过加入双注意力的深度卷积神经网络提取所述处理后的图像的特征，对图像特征进行加权处理，并基于全局平均池化操作对所述图像特征进行压缩处理，利用全连接层预测图像质量分数； 通过加入双注意力的深度卷积神经网络提取所述处理后的图像的特征，包括： 将所述处理后的图像输入至加入双注意力的深层ResNet卷积网络中进行特征提取，获取高维的特征表示； 其中，选择所述加入双注意力的深层ResNet卷积网络的最后一层卷积层之前的特征作为图像的特征表示； 所述加入双注意力的深层ResNet卷积网络的最后一层卷积层输出的特征为4D张量，形状为batch_size，num_channels，height，width，其中batch_size为批大小，num_channels为通道数，height和width为特征图的高度和宽度； 其中，在深度卷积神经网络ResNet的每个残差块后添加双注意力模块构成所述加入双注意力的深层ResNet卷积网络； 对所述图像特征进行加权处理，包括： 基于所述4D张量进行自适应特征加权，分别通过通道注意力模块和空间注意力模块进行注意力加权，获取加权特征张量； 分别通过通道注意力模块和空间注意力模块进行注意力加权的过程为： 将残差块的输出作为输入，进行通道注意力处理；然后连接全连接层进行特征变换，再通过激活函数获得每个通道的注意力权重，具体为： ； 其中，表示输入的特征图中第行第列的特征向量，和分别表示特征图的高和宽，和表示通道注意力中的两个全连接层，表示激活函数，表示激活函数，表示第个通道的注意力权重； 将通道注意力的输出结果乘以所述残差块的输入，获取加权输入，所述加权输入被输入到所述空间注意力模块中； 在所述空间注意力模块中，使用卷积层对所述加权输入进行卷积操作，获得特征图，并将所述特征图作为输入，再次进行通道注意力处理，获取每个空间位置的注意力权重，具体为： ； 其中，表示空间卷积的输出特征图中第行第列的特征向量，和表示空 间注意力中的两个全连接层，表示第个空间位置的注意力权重； 将通道注意力和空间注意力的输出结果相乘，获取融合了通道和空间注意力的特征图，作为下一个残差块的输入； 基于全局平均池化操作对所述图像特征进行压缩处理的方法为： 其中，为输入特征图，为输出特征图，表示输出特征图第k个通道上位置为的像素值，和分别为输入特征图的高度和宽度，为池化层的步长。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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。