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！

龙图腾网恭喜西安电子科技大学申请的专利基于残差结构-解析任务辅助的人脸图像上色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：CN114494488B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202111670170.7，技术领域涉及：G06T11/00；该发明授权基于残差结构-解析任务辅助的人脸图像上色方法是由郝轩廷;盛立杰;苗启广设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本基于残差结构-解析任务辅助的人脸图像上色方法在说明书摘要公布了：本发明提出了一种基于残差结构‑解析任务辅助的人脸图像上色方法，其实现步骤为：1、生成训练集；2、构建残差结构‑多任务神经网络；3、训练残差结构‑多任务神经网络；4、对人脸图像进行上色。本发明在残差结构的基础上通过对上色任务再引入一个解析任务，从而构建一个残差结构‑多任务网络，残差结构增强了网络的学习能力，解析任务辅助上色任务使其能够进行更符合语义的人脸图像上色，有效地提高了人脸图像上色的质量。

本发明授权基于残差结构-解析任务辅助的人脸图像上色方法在权利要求书中公布了：1.一种基于残差结构-解析任务辅助的人脸图像上色方法，其特征在于，利用残差结构构建网络，并引入解析任务辅助上色，该方法的具体步骤如下：步骤1，生成训练集：1a选取至少24000张彩色人脸图像；1b将每张彩色人脸图像通过训练好的人脸解析网络BiSeNet进行推理，生成该张彩色人脸图像对应的含有解析类别标签的解析图像；1c将每张彩色人脸图像通过线性映射生成该张彩色人脸图像的灰度图像；1d将每张彩色人脸图像与其对应的解析图像及灰度图像组合生成数据样本；1e将所有的数据样本组成训练集；步骤2，构建残差结构-多任务神经网络：2a构建编码器的结构依次为：头部、第一下采样层、第一残差层、第二下采样层、第二残差层、第三下采样层、第三残差层、第四下采样层、第四残差层、第五下采样层；所述头部由卷积层、BatchNorm层、ReLU激活层、最大池化层组成，所述的卷积层由64个7×7大小卷积核组成，所述的最大池化层由64个3×3大小池化核组成；每个残差层中设置一个骨干分支和一个跳连分支，所述残差层骨干分支中设置两个串联的残差块，每个残差块中设置一个骨干分支和一个跳连分支；残差块骨干分支由卷积核大小为3×3的第一卷积层、第一BatchNorm层、ReLU激活层、卷积核大小为3×3的第二卷积层和第二BatchNorm层串联组成；所述残差块跳连分支采用一个卷积核大小为1×1的卷积层；残差块的骨干分支和跳连分支通过逐位置加法器相连后再与ReLU激活层连接；所述残差层跳连分支采用一个卷积核大小为1×1的卷积层；残差层的骨干分支和跳连分支通过逐位置加法器相连；第一至第四残差层中卷积层的卷积核的数量分别为64、128、256、512；第一至第五下采样层均采用双线性插值方法；2b构建包含上色分支和解析分支的解码器：构建解码器中上色分支的结构依次为：第一残差上色层、第一上采样层、第二残差上色层、第二上采样层、第三残差上色层、第三上采样层、第四残差上色层、第四上采样层、第五残差上色层、第五上采样层；每个残差上色层中设置一个骨干分支和一个跳连分支，所述残差上色层的骨干分支和跳连分支的结构与参数与步骤2a中所述的编码器的残差层的骨干分支和跳连分支一致；残差上色层的骨干分支和跳连分支通过逐位置加法器相连；第一至第五残差上色层中的卷积层的卷积核的数量分别为256、128、64、64、64；第一至第五上采样层均采用双线性插值方法；构建解码器中解析分支的结构为四个并联的分支，用于对不同尺寸的特征进行解析，每个分支均由残差解析层和上采样层串联组成；每个残差解析层中设置一个骨干分支和一个跳连分支，残差解析层的骨干分支和跳连分支的结构与参数与步骤2a中所述的编码器的残差层的骨干分支和跳连分支一致；残差解析层的骨干分支和跳连分支通过逐位置加法器相连；每个残差解析层中的卷积层的卷积核的数量均为19；每个上采样层均采用双线性插值方法；将解析分支中的四个分支通过逐位置加法器相连；2c连接编码器，解码器的上色分支和解析分支：将编码器的第五下采样层与解码器上色分支的第一残差上色层相连，编码器的第四下采样层与解码器上色分支的第一上采样层通过逐位置加法器相连，编码器的第三下采样层与解码器上色分支的第二上采样层通过逐位置加法器相连，编码器的第二下采样层与解码器上色分支的第三上采样层通过逐位置加法器相连，编码器的第一下采样层与解码器上色分支的第四上采样层通过逐位置加法器相连；将解码器的上色分支中第一上采样层与解码器的解析分支中的第一分支相连；第二上采样层与解码器的解析分支中的第二分支相连；第三上采样层与解码器的解析分支中的第三分支相连；第四上采样层与解码器的解析分支中的第四分支相连；完成残差结构-多任务神经网络的构建；步骤3，训练残差结构-多任务神经网络：将训练集输入到残差结构-多任务神经网络中，使用梯度下降反向传播方法迭代更新网络参数，直到总损失函数收敛为止，得到训练好的残差结构-多任务神经网络；步骤4，对人脸图像进行上色：将一张待上色的人脸灰度图像输入到训练好的残差结构-多任务神经网络中，输出上色后的人脸图像。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。