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)恭喜華南理工大學(xué)申請的專利基于神經(jīng)結(jié)構(gòu)搜索和雨密度引導(dǎo)的單幅圖像去雨方法獲國家發(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：CN115272097B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-06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：202210665296.3，技術(shù)領(lǐng)域涉及：G06T5/73；該發(fā)明授權(quán)基于神經(jīng)結(jié)構(gòu)搜索和雨密度引導(dǎo)的單幅圖像去雨方法是由傅予力;霍萬良;蔡磊;向友君;夏君君;張穎設(shè)計研發(fā)完成，并于2022-06-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于神經(jīng)結(jié)構(gòu)搜索和雨密度引導(dǎo)的單幅圖像去雨方法在說明書摘要公布了：本發(fā)明公開了一種基于神經(jīng)結(jié)構(gòu)搜索和雨密度引導(dǎo)的單幅圖像去雨方法，包括以下步驟：S1.確定雨密度推理網(wǎng)絡(luò)和單幅圖像去雨網(wǎng)絡(luò)的結(jié)構(gòu)搜索空間，構(gòu)建雨密度推理網(wǎng)絡(luò)和單幅圖像去雨網(wǎng)絡(luò)；S2.將有雨圖像輸入雨密度推理網(wǎng)絡(luò)，雨密度推理網(wǎng)絡(luò)自動搜索網(wǎng)絡(luò)結(jié)構(gòu)；S3.凍結(jié)雨密度推理網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，將有雨圖像輸入雨密度推理網(wǎng)絡(luò)，訓(xùn)練雨密度推理網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)重；S4.將有雨圖像輸入雨密度推理網(wǎng)絡(luò)，雨密度推理網(wǎng)絡(luò)輸出雨密度圖，將有雨圖像和雨密度圖輸入單幅圖像去雨網(wǎng)絡(luò)，單幅圖像去雨網(wǎng)絡(luò)自動搜索網(wǎng)絡(luò)結(jié)構(gòu)；S5.凍結(jié)單幅圖像去雨網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，將有雨圖像和雨密度圖輸入單幅圖像去雨網(wǎng)絡(luò)，訓(xùn)練單幅圖像去雨網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)重，凍結(jié)其網(wǎng)絡(luò)權(quán)重，獲得去雨模型。

本發(fā)明授權(quán)基于神經(jīng)結(jié)構(gòu)搜索和雨密度引導(dǎo)的單幅圖像去雨方法在權(quán)利要求書中公布了：1.一種基于神經(jīng)結(jié)構(gòu)搜索和雨密度引導(dǎo)的單幅圖像去雨方法，其特征在于，包括以下步驟：S1.確定雨密度推理網(wǎng)絡(luò)和單幅圖像去雨網(wǎng)絡(luò)的結(jié)構(gòu)搜索空間，構(gòu)建雨密度推理網(wǎng)絡(luò)和單幅圖像去雨網(wǎng)絡(luò)；S2.將有雨圖像輸入雨密度推理網(wǎng)絡(luò)，雨密度推理網(wǎng)絡(luò)自動搜索網(wǎng)絡(luò)結(jié)構(gòu)；S3.凍結(jié)雨密度推理網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，將有雨圖像輸入雨密度推理網(wǎng)絡(luò)，訓(xùn)練雨密度推理網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)重；S4.凍結(jié)雨密度推理網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)重，將有雨圖像輸入雨密度推理網(wǎng)絡(luò)，雨密度推理網(wǎng)絡(luò)輸出雨密度圖，將有雨圖像和雨密度圖輸入單幅圖像去雨網(wǎng)絡(luò)，單幅圖像去雨網(wǎng)絡(luò)自動搜索網(wǎng)絡(luò)結(jié)構(gòu)；S5.凍結(jié)單幅圖像去雨網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，將有雨圖像和雨密度圖輸入單幅圖像去雨網(wǎng)絡(luò)，訓(xùn)練單幅圖像去雨網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)重，凍結(jié)單幅圖像去雨網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)重，獲得去雨模型；雨密度推理網(wǎng)絡(luò)包括平行模塊P、融合模塊F和轉(zhuǎn)換模塊T，單幅圖像去雨網(wǎng)絡(luò)包括平行模塊P、融合模塊F、轉(zhuǎn)換模塊T和注意力模塊A；雨密度推理網(wǎng)絡(luò)的結(jié)構(gòu)搜索空間為平行模塊P和融合模塊F組成的多尺度細胞單元C，單幅圖像去雨網(wǎng)絡(luò)的結(jié)構(gòu)搜索空間由平行模塊P和融合模塊F組成的多尺度細胞單元C和注意力模塊A共同組成；多尺度細胞單元C中平行排布平行模塊P和融合模塊F，訓(xùn)練時多尺度細胞單元C的輸出是平行模塊P和融合模塊F的加權(quán)和，多尺度細胞單元C的輸出計算公式如下： 其中，表示轉(zhuǎn)換模塊T輸出的一組特征，ωp和ωf分別表示平行模塊P和融合模塊F的權(quán)重，ωp、ωf為初始化為0-1之間的隨機數(shù)；注意力模塊A包括多個注意力細胞單元Acell，注意力細胞單元Acell中并聯(lián)有m種不同的注意力操作，訓(xùn)練時注意力細胞單元Acell中的輸出為各個注意力操作輸出的加權(quán)和，注意力細胞單元Acell的輸出計算公式如下： 其中，m表示不同注意力操作的個數(shù)，fi表示將輸入特征f在通道維度上平均分割成s份取第i個分割特征，Tk表示第k種注意力操作，αk是第k種注意力操作的權(quán)重參數(shù)，yi為第i個輸出特征；平行模塊P對不同分辨率的特征進行相同的卷積運算，輸入特征數(shù)量與輸出特征數(shù)量一致，平行模塊P用公式表示如下： 其中，表示該特征長寬尺度為輸入有雨圖像的通道維度為有雨圖像2n倍；MLP·表示多層感知器；融合模塊F將不同分辨率的特征進行相互融合，若是分辨率大的特征融合到分辨率小的特征，則對分辨率大的特征使用步長為2卷積核大小為3x3的卷積運算進行下采樣；對于尺度差異為2t倍的下采樣，其中t1，使用t次卷積進行下采樣，前t-1次卷積時保持特征通道數(shù)不變，最后一次卷積將輸出特征通道數(shù)設(shè)置為分辨率小的特征的通道數(shù)；若是分辨率小的特征融合到分辨率大的特征，先對分辨率小的特征采用卷積核大小為1x1的卷積運算對特征通道數(shù)進行調(diào)整，然后采用最鄰近插值方法進行上采樣；每個尺度的最后輸出由所有已經(jīng)經(jīng)過尺度變化的其它尺度的特征與該尺度特征進行相加，然后通過ReLU函數(shù)激活后得到，融合模塊F用公式表示如下： 其中，tup·表示最鄰近插值方法進行的上采樣操作，tdown·表示步長為2卷積核大小為3x3的卷積運算進行的下采樣操作，add·表示像素相加操作；轉(zhuǎn)化模塊T通過卷積運算將輸入特征在長寬尺度上縮放至原來的在通道維度上增加一倍，轉(zhuǎn)化模塊T的計算過程表示如下： 其中，表示該特征在長寬尺度上為原始特征的在通道維度上是原始特征的2n倍；Fc·表示步長為2的卷積操作；輸出新增的特征由輸入中的特征經(jīng)過卷積得到，每經(jīng)過一次轉(zhuǎn)換模塊T只增加一個不同分辨率的特征，即轉(zhuǎn)換模塊T只從生成其余特征由輸入特征直接得到。

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)人華南理工大學(xué)，其通訊地址為：510640 廣東省廣州市天河區(qū)五山路381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)”。