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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉山東科技大學(xué)申請的專利基于動態(tài)稀疏自注意力的圖像超分網(wǎng)絡(luò)構(gòu)建方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120259084B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510750338.7，技術(shù)領(lǐng)域涉及：G06T3/4053；該發(fā)明授權(quán)基于動態(tài)稀疏自注意力的圖像超分網(wǎng)絡(luò)構(gòu)建方法是由季民;祁艦;靳奉祥;李婷;左亞男;高若男;季含宇;李長赫;靳宇;劉君設(shè)計研發(fā)完成，并于2025-06-06向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于動態(tài)稀疏自注意力的圖像超分網(wǎng)絡(luò)構(gòu)建方法在說明書摘要公布了：本發(fā)明公開基于動態(tài)稀疏自注意力的圖像超分網(wǎng)絡(luò)構(gòu)建方法，屬于遙感圖像處理技術(shù)領(lǐng)域。本發(fā)明基于Transformer超分架構(gòu)，設(shè)計動態(tài)稀疏自注意力，突出高頻信息并減少噪聲，有效提升濱海養(yǎng)殖池塘圖像修復(fù)的質(zhì)量；開發(fā)尺度感知交互層，增強不同尺度池塘在進行超分時的一致性；最后，將Sentinel?2影像的空間分辨率由10m超分至2.5m，并使用邊緣監(jiān)督U?Net網(wǎng)絡(luò)實現(xiàn)在Sentinel?2影像中精細化提取濱海養(yǎng)殖池塘；本發(fā)明提升了Sentinel?2圖像的重建效果，減少了重建偽影，獲得Sentinel?2超分影像，實現(xiàn)在中等分辨率圖像中精細化提取濱海養(yǎng)殖池塘，降低了成本。

本發(fā)明授權(quán)基于動態(tài)稀疏自注意力的圖像超分網(wǎng)絡(luò)構(gòu)建方法在權(quán)利要求書中公布了：1.基于動態(tài)稀疏自注意力的圖像超分網(wǎng)絡(luò)構(gòu)建方法，其特征在于，包括： S1.構(gòu)建動態(tài)稀疏窗口交互塊DSwinBlock，動態(tài)稀疏窗口交互塊由動態(tài)稀疏自注意力DSA、窗口自注意力WSA和尺度感知交互模塊SAIM組成； S2.基于動態(tài)稀疏窗口交互塊搭建圖像超分網(wǎng)絡(luò)模型； S3.獲取濱海養(yǎng)殖池塘的哨兵2號衛(wèi)星影像Sentinel-2影像，構(gòu)建訓(xùn)練數(shù)據(jù)集； S4.基于訓(xùn)練數(shù)據(jù)集對圖像超分網(wǎng)絡(luò)模型進行模型訓(xùn)練，獲取訓(xùn)練權(quán)重，基于訓(xùn)練權(quán)重對Sentinel-2影像進行修復(fù)和重建，獲取Sentinel-2超分圖像； S5.基于Sentinel-2超分圖像提取濱海水產(chǎn)養(yǎng)殖池塘； S1包括： S1.1，構(gòu)建動態(tài)稀疏自注意力DSA，捕獲圖像修復(fù)所需的高頻細節(jié)信息和紋理信息； S1.2，構(gòu)建尺度感知交互模塊SAIM，進行多尺度特征交互處理； 輸入一組特征，首先通過1×1卷積將輸入特征映射到隱藏特征空間，獲得隱藏空間特征： ； 其中，分別表示特征的特征維度、特征圖高和特征圖寬； 通過深度可分離卷積從不同尺度對特征進行提取，獲得不同尺度的特征，并使用分塊操作將不同尺度的特征等分成三部分： ； 其中，表示通道數(shù)，代表激活函數(shù)GELU，分別表示通過分塊操作得到的第一部分、第二部分、第三部分的特征，表示深度可分離卷積的卷積核大小； 對獲取到的不同尺度的特征圖的部分特征進行拼接得到多尺度特征，使用深度可分離卷積對多尺度特征進行交互處理： ； 其中，表示在通道維度對不同特征進行拼接，表示正則化Dropout，表示對多尺度特征進行交互處理得到的交互特征圖，表示深度可分離卷積的卷積核大小； 融合三組交互特征圖，使用1×1卷積對融合后的特征圖進行特征維度恢復(fù)，獲得尺度感知交互模塊的輸出特征： ； 輸出特征中包含不同尺度下的特征信息； S1.3，組建動態(tài)稀疏窗口交互塊DSwinBlock，將特征輸入動態(tài)稀疏窗口交互塊，先對特征進行層歸一化處理，得到歸一化特征，再通過動態(tài)稀疏自注意力和窗口自注意力對進行特征提取，并將特征提取結(jié)果與輸入特征相加得到自注意力提取特征： ； 其中，，和分別表示動態(tài)稀疏自注意力的特征提取結(jié)果和窗口自注意力的特征提取結(jié)果； 使用層歸一化LayerNorm和SAIM對進行處理，通過殘差拼接得到多尺度特征： ； 其中，，表示層歸一化，表示尺度感知交互層。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人山東科技大學(xué)，其通訊地址為：266590 山東省青島市黃島區(qū)前灣港路579號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。