一种结合Transformer和卷积网络的无参考图像质量评价方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种结合Transformer和卷积网络的无参考图像质量评价方法,包括:对失真图像进行下采样和位置编码得到特征序列,输入到基于Transformer的生成网络中获取失真图像的多层特征;失真图像第三层特征通过线性逆平摊得到伪参考图像;将失真图像的多层特征分别通过卷积和归一化操作进行特征变换后加权相加得到失真图像的全局特征;将失真图像和伪参考图像输入到卷积神经网络中分别提取卷积特征,并进行连接得到失真图像的局部特征;将失真图像的全局特征和局部特征进行连接得到融合特征,输入到线性回归网络中得到失真图像的质量评价结果。结合了失真图像基于Transformer的全局特征和失真图像与伪参考图像的局部卷积特征,具有更好的质量预测准确性。
《一种结合Transformer和卷积网络的无参考图像质量评价方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2023105671904,当前法律状态为已下证,由南京邮电大学提出申请,发明人为崔子冠;吴立鹏;干宗良;唐贵进;刘峰,申请日期为2023-05-19,公开(公告)日期为2025-08-29,国际专利分类号(IPC)为 G06T 7/00 (2017.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种结合Transformer和卷积网络的无参考图像质量评价方法,包括:对失真图像进行下采样和位置编码得到特征序列,输入到基于Transformer的生成网络中获取失真图像的多层特征;失真图像第三层特征通过线性逆平摊得到伪参考图像;将失真图像的多层特征分别通过卷积和归一化操作进行特征变换后加权相加得到失真图像的全局特征;将失真图像和伪参考图像输入到卷积神经网络中分别提取卷积特征,并进行连接得到失真图像的局部特征;将失真图像的全局特征和局部特征进行连接得到融合特征,输入到线性回归网络中得到失真图像的质量评价结果。结合了失真图像基于Transformer的全局特征和失真图像与伪参考图像的局部卷积特征,具有更好的质量预测准确性。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
