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！

龙图腾网恭喜厦门大学申请的专利基于跨数据集蒸馏多令牌半监督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：CN117173518B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202311131030.1，技术领域涉及：G06V10/776；该发明授权基于跨数据集蒸馏多令牌半监督无参考图像质量评估方法是由纪荣嵘;高体民;潘文胜;郑侠武;张岩设计研发完成，并于2023-09-04向国家知识产权局提交的专利申请。

本基于跨数据集蒸馏多令牌半监督无参考图像质量评估方法在说明书摘要公布了：基于跨数据集蒸馏多令牌半监督无参考图像质量评估方法，涉及计算机视觉技术。提出一种基于注意力蒸馏的NR‑IQA方法。有效集成来自不同数据集的知识，以增强图像质量的表示并提高预测的准确性。在Transformer编码器中引入一个蒸馏令牌，使学生模型能在不同的数据集上向老师学习。通过利用来自不同源域的知识，模型能够捕捉到与图像失真相关的基本特征，增强模型的泛化能力。为从不同的角度细化感知信息，引入模拟多个评审员的多个类令牌。提高模型的可解释性，降低预测的不确定性。引入一种称为注意力评分的机制，该机制将来自编码器的注意力评分矩阵与解码器后面的MLP头部相结合，以细化最终质量分数。

本发明授权基于跨数据集蒸馏多令牌半监督无参考图像质量评估方法在权利要求书中公布了：1.基于跨数据集蒸馏多令牌半监督无参考图像质量评估方法，其特征在于包括以下步骤：1将输入图片切成N个Patch；2N个Patch经过线性投射层，转为N个PatchTokensX＝{x0,x1,...,xn}∈RN×D；3额外引入M个可学习的ClassTokensC0＝{c0,c1,...,cn}∈RM×D和1个DistillationTokenD0＝{d0}∈R1×D；4将所有Tokens进行拼接T＝{C0,D0,X}并送入TransformerEncoder和Decoder，具体步骤为：41将所有Tokens经过三个不同的投射层得到Q，K，V∈RM+N+1×D，再送入TransformerEncoder经过多头自注意力Multi-HeadSelf-Attention和MLP得到输出特征Fo：FM＝MHSAQ,K,V+T1FO＝MLPNormFM+FM2其中，Fo＝{Fo[0],Fo[1],...,Fo[M+N]}∈RM+N+1×D；42将Encoder得到的输出送入Decoder中，经过多头自注意力Multi-HeadSelf-Attention和多头交叉注意力Multi-HeadCross-Attention：Qd＝MHSANormC1,D1+C1+D13C2,D2＝MHCANormQd,Kd,Vd+Qd4其中，C1＝{Fo[0],Fo[1],...,Fo[M-1]}∈RM×D，D1＝{Fo[M]}∈R1×D，分别为C0和D0的输出，Kd＝Vd＝{Fo[M+1],Fo[M+2],...,Fo[M+N]}∈RN×D；5将ClassTokens的输出和TransformerEncoder的自注意力机制得到的AttentionMatrix送入AttentionScoring计算ClassTokens的得分；6将DistillationToken的输出送入MLP，计算DistillationTokens的得分；7将图片输入跨数据集的教师模型，得到图片质量分数YT；8分别将步骤5、6、7得到的分数计算L1损失和蒸馏损失；9给定任意图像，将其输入模型，加权求和ClassTokens的得分和DistillationTokens的得分得到其预测的最终质量分数Yfinal。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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”。