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！

龙图腾网获悉武汉软件工程职业学院(武汉开放大学)申请的专利基于双分支动态协作网络的人脸超分辨率方法及系统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：CN119809930B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202411672592.1，技术领域涉及：G06T3/4053；该发明授权基于双分支动态协作网络的人脸超分辨率方法及系统是由陈希彤;罗保山;吴梦婷;马艳春;刘小燕;刘立坤;孙远设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本基于双分支动态协作网络的人脸超分辨率方法及系统在说明书摘要公布了：本发明提供基于双分支动态协作网络的人脸超分辨率方法及系统，涉及计算机视觉人脸图像处理技术领域；方法包括：通过第一卷积层从低分辨率人脸图像中提取出浅层特征；通过多个多路径注意力聚合模块对浅层特征进行全局特征提取，得到人脸全局特征；通过多个多尺度动态校准模块对浅层特征进行局部特征提取，得到人脸局部特征；通过动态特征融合模块拼接人脸全局特征和人脸局部特征，得到融合特征；通过重建模块对浅层特征和融合特征进行重建操作，得到超分辨率人脸重建图像。通过融合网络不同层级阶段和不同分支的特征，来提高对精细面部细节的还原能力。

本发明授权基于双分支动态协作网络的人脸超分辨率方法及系统在权利要求书中公布了：1.基于双分支动态协作网络的人脸超分辨率方法，其特征在于，包括如下步骤： 构建双分支动态协作网络，所述双分支动态协作网络包括第一卷积层、串联而成的多个多路径注意力聚合模块、串联而成的多个多尺度动态校准模块以及动态特征融合模块和重建模块； 通过所述第一卷积层从导入的低分辨率人脸图像中提取出浅层特征； 通过多个所述多路径注意力聚合模块对所述浅层特征进行全局特征提取，得到人脸全局特征； 通过多个所述多尺度动态校准模块对所述浅层特征进行局部特征提取，得到人脸局部特征； 通过所述动态特征融合模块拼接所述人脸全局特征和所述人脸局部特征，得到融合特征； 通过所述重建模块对所述浅层特征和所述融合特征进行上采样处理，并对上采样处理结果进行重建操作，得到超分辨率人脸重建图像； 所述通过多个所述多路径注意力聚合模块对所述浅层特征进行全局特征提取，得到人脸全局特征，包括： 每个所述多路径注意力聚合模块均包括分块模块、全连接层、自注意力机制模块、多通道分割注意力模块和多层感知机；通过任意一个多路径注意力聚合模块进行全局特征提取的步骤包括： 通过所述分块模块将全局输入特征进行分块处理，得到多个局部块，通过所述全连接层对多个所述局部块进行线性对齐，得到线性对齐特征，通过所述自注意力机制模块对所述线性对齐特征进行注意力权重计算，得到加权全局特征，通过所述多通道分割注意力模块对所述线性对齐特征进行通道分割处理，得到分割全局特征，通过所述多层感知机对所述加权全局特征和所述分割全局特征进行加权融合处理，并对加权融合处理后特征与所述浅层特征进行求和，得到初始人脸全局特征，所述初始人脸全局特征的表示为： ， 其中，为初始人脸局部特征，为多层感知机，为分割全局特征，为加权全局特征，为浅层特征，为加权融合； 将当前的多路径注意力聚合模块输出的初始人脸全局特征作为下一个多路径注意力聚合模块的输入，并执行所述任意一个多路径注意力聚合模块进行特征提取的步骤，直至所有多路径注意力聚合模块执行完特征提取操作，得到人脸全局特征，所述人脸全局特征的表示为： ， 其中，为人脸局部特征，为第G个多尺度动态校准模块，为浅层特征，首个多路径注意力聚合模块的全局输入特征为浅层特征。

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武汉软件工程职业学院(武汉开放大学)，其通讯地址为：430205 湖北省武汉市东湖高新开发区光谷大道117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。