買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉太原科技大學;山西中醫藥大學申請的專利一種基于模塊化特征增強GAN的眼部穴位定位方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117132659B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310706153.7，技術領域涉及：G06T7/80；該發明授權一種基于模塊化特征增強GAN的眼部穴位定位方法是由上官宏;孫悅;楊婕;高陽;張雄;賀文彬;劉昕設計研發完成，并于2023-06-14向國家知識產權局提交的專利申請。

本一種基于模塊化特征增強GAN的眼部穴位定位方法在說明書摘要公布了：本發明一種基于模塊化特征增強GAN的眼部穴位定位方法屬于眼部穴位定位技術領域，具體技術方案為：構建訓練數據集，包括采集人臉面部圖像構成沒有穴位標定圖像數據集，在人臉面部圖像上標注眼部穴位構成有穴位標定的圖像數據集；采用有監督的訓練策略構建循環生成對抗模型，在模塊化特征增強生成對抗網絡中設計特征增強模塊，實現增強生成器的穴位定位能力；設計使用對抗損失、L1監督損失、KL損失多種損失函數相結合的方式對生成器和判別器進行約束；本發明依照上述系統及方法能夠進行眼部穴位的自動定位，一方面降低了穴位定位的難度，另一方面提高了GAN網絡的穴位定位能力。

本發明授權一種基于模塊化特征增強GAN的眼部穴位定位方法在權利要求書中公布了：1.一種基于模塊化特征增強GAN的眼部穴位定位方法，其特征在于，按照以下步驟進行： 步驟1選擇有監督的訓練策略，構建成對眼部穴位圖像數據集； 步驟2將成對圖像數據輸入到模塊化特征增強生成對抗網絡中，通過輸入訓練數據對網絡模型進行訓練、以達到收斂狀態，模塊化特征增強生成對抗網絡包括I2I-GAN模型和Z2Z-GAN模型兩個支路，I2I-GAN模型由一個生成器、一個編碼器和判別器D1構成，Z2Z-GAN模型由一個生成器、一個編碼器和判別器D2構成，兩個支路對應不同的訓練方法； I2I-GAN模型，先從有穴位標定的圖像B編碼出噪聲z1，隨后將噪聲z1和沒有穴位標定的圖像A輸入帶有特征增強模塊的生成器中進行穴位定位，最后輸出有穴位點的圖像 Z2Z-GAN模型，將沒有穴位標定的圖像A與隨機噪聲Nz輸入帶有特征增強模塊的生成器中進行穴位定位，輸出有穴位點的圖像最后從圖像中編碼出噪聲z2； 判別器D1判定I2I-GAN模型生成器輸出的有穴位點的圖像真假，判別器D2判定Z2Z-GAN模型生成器輸出的有穴位點的圖像真假； 最后，利用梯度優化算法迭代優化； 步驟3穴位自動定位、輸出：輸入的沒有穴位標定圖像，通過迭代訓練后的模塊化特征增強生成對抗網絡模型轉化為對應有穴位標定圖像，而后將圖像進行輸出； 步驟2中迭代優化的具體函數為： 判別器D1的損失函數為： 判別器D2的損失函數為： 其中A表示沒有穴位標定的圖像，表示I2I-GAN模型輸出的有穴位標定的圖像，表示Z2Z-GAN模型輸出的有穴位標定的圖像，z1為I2I-GAN模型中編碼器輸出的噪聲、z2表示Z2Z-GAN模型中編碼器輸出的噪聲，Nz表示隨機噪聲； I2I-GAN模型中生成器輸出的圖像有標準的穴位標定圖像B進行約束，表示為： I2I-GAN模型中編碼器輸出的噪聲z1要服從高斯分布，用KL損失進行約束，表示為： LKLE＝EB～pB[DKLEB||Nz] Z2Z-GAN模型中隨機噪聲Nz與編碼輸出的噪聲z2用L1損失進行約束，表示為： 總損失為： LGAN＝LGAN1+LGAN2 其中λ為損失項權重。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人太原科技大學;山西中醫藥大學，其通訊地址為：030024 山西省太原市萬柏林區窊流路66號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。