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！

龙图腾网恭喜华南理工大学申请的专利基于神经结构搜索和雨密度引导的单幅图像去雨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：CN115272097B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202210665296.3，技术领域涉及：G06T5/73；该发明授权基于神经结构搜索和雨密度引导的单幅图像去雨方法是由傅予力;霍万良;蔡磊;向友君;夏君君;张颖设计研发完成，并于2022-06-14向国家知识产权局提交的专利申请。

本基于神经结构搜索和雨密度引导的单幅图像去雨方法在说明书摘要公布了：本发明公开了一种基于神经结构搜索和雨密度引导的单幅图像去雨方法，包括以下步骤：S1.确定雨密度推理网络和单幅图像去雨网络的结构搜索空间，构建雨密度推理网络和单幅图像去雨网络；S2.将有雨图像输入雨密度推理网络，雨密度推理网络自动搜索网络结构；S3.冻结雨密度推理网络的结构参数，将有雨图像输入雨密度推理网络，训练雨密度推理网络的网络权重；S4.将有雨图像输入雨密度推理网络，雨密度推理网络输出雨密度图，将有雨图像和雨密度图输入单幅图像去雨网络，单幅图像去雨网络自动搜索网络结构；S5.冻结单幅图像去雨网络的结构参数，将有雨图像和雨密度图输入单幅图像去雨网络，训练单幅图像去雨网络的网络权重，冻结其网络权重，获得去雨模型。

本发明授权基于神经结构搜索和雨密度引导的单幅图像去雨方法在权利要求书中公布了：1.一种基于神经结构搜索和雨密度引导的单幅图像去雨方法，其特征在于，包括以下步骤：S1.确定雨密度推理网络和单幅图像去雨网络的结构搜索空间，构建雨密度推理网络和单幅图像去雨网络；S2.将有雨图像输入雨密度推理网络，雨密度推理网络自动搜索网络结构；S3.冻结雨密度推理网络的结构参数，将有雨图像输入雨密度推理网络，训练雨密度推理网络的网络权重；S4.冻结雨密度推理网络的网络权重，将有雨图像输入雨密度推理网络，雨密度推理网络输出雨密度图，将有雨图像和雨密度图输入单幅图像去雨网络，单幅图像去雨网络自动搜索网络结构；S5.冻结单幅图像去雨网络的结构参数，将有雨图像和雨密度图输入单幅图像去雨网络，训练单幅图像去雨网络的网络权重，冻结单幅图像去雨网络的网络权重，获得去雨模型；雨密度推理网络包括平行模块P、融合模块F和转换模块T，单幅图像去雨网络包括平行模块P、融合模块F、转换模块T和注意力模块A；雨密度推理网络的结构搜索空间为平行模块P和融合模块F组成的多尺度细胞单元C，单幅图像去雨网络的结构搜索空间由平行模块P和融合模块F组成的多尺度细胞单元C和注意力模块A共同组成；多尺度细胞单元C中平行排布平行模块P和融合模块F，训练时多尺度细胞单元C的输出是平行模块P和融合模块F的加权和，多尺度细胞单元C的输出计算公式如下： 其中，表示转换模块T输出的一组特征，ωp和ωf分别表示平行模块P和融合模块F的权重，ωp、ωf为初始化为0-1之间的随机数；注意力模块A包括多个注意力细胞单元Acell，注意力细胞单元Acell中并联有m种不同的注意力操作，训练时注意力细胞单元Acell中的输出为各个注意力操作输出的加权和，注意力细胞单元Acell的输出计算公式如下： 其中，m表示不同注意力操作的个数，fi表示将输入特征f在通道维度上平均分割成s份取第i个分割特征，Tk表示第k种注意力操作，αk是第k种注意力操作的权重参数，yi为第i个输出特征；平行模块P对不同分辨率的特征进行相同的卷积运算，输入特征数量与输出特征数量一致，平行模块P用公式表示如下： 其中，表示该特征长宽尺度为输入有雨图像的通道维度为有雨图像2n倍；MLP·表示多层感知器；融合模块F将不同分辨率的特征进行相互融合，若是分辨率大的特征融合到分辨率小的特征，则对分辨率大的特征使用步长为2卷积核大小为3x3的卷积运算进行下采样；对于尺度差异为2t倍的下采样，其中t1，使用t次卷积进行下采样，前t-1次卷积时保持特征通道数不变，最后一次卷积将输出特征通道数设置为分辨率小的特征的通道数；若是分辨率小的特征融合到分辨率大的特征，先对分辨率小的特征采用卷积核大小为1x1的卷积运算对特征通道数进行调整，然后采用最邻近插值方法进行上采样；每个尺度的最后输出由所有已经经过尺度变化的其它尺度的特征与该尺度特征进行相加，然后通过ReLU函数激活后得到，融合模块F用公式表示如下： 其中，tup·表示最邻近插值方法进行的上采样操作，tdown·表示步长为2卷积核大小为3x3的卷积运算进行的下采样操作，add·表示像素相加操作；转化模块T通过卷积运算将输入特征在长宽尺度上缩放至原来的在通道维度上增加一倍，转化模块T的计算过程表示如下： 其中，表示该特征在长宽尺度上为原始特征的在通道维度上是原始特征的2n倍；Fc·表示步长为2的卷积操作；输出新增的特征由输入中的特征经过卷积得到，每经过一次转换模块T只增加一个不同分辨率的特征，即转换模块T只从生成其余特征由输入特征直接得到。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。