一种基于Transformer的图像压缩方法(高校公示15天)(不包年费滞纳金(需要二变))
本发明提供了一种基于Transformer的图像压缩方法,主要包括如下步骤:构建基于Transformer的深度图像压缩模型;建立用于深度压缩模型的训练集、验证集和测试集;最后将处理好的深度图像压缩数据集送入构建好的基于Transformer深度图像压缩模型进行训练;通过预设方式对基于Transformer深度图像压缩模型进行优化,并重复迭代训练及优化的过程,直至损失函数趋近于恒定值时停止迭代训练并输出优化后的基于Transformer深度图像压缩模型;利用训练好的Transformer深度图像压缩模型对图像进行压缩和重建并对压缩结果进行评价或进一步对其进行分析和理解。本发明所述方法使用了先进的Transformer特征提取网络显著提升压缩图像的质量,并在很大程度上节省图像存储开销。本发明在图像存储、传输、分析等领域具有重要的应用价值。
《一种基于Transformer的图像压缩方法(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 2022109969208,当前法律状态为已下证,由河南大学提出申请,发明人为李永军;李博;李耀;罗金成;张东明;张大蔚;李超越,申请日期为2022-08-18,公开(公告)日期为2026-04-17,国际专利分类号(IPC)为 G06T 9/00 (2006.01),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:本发明提供了一种基于Transformer的图像压缩方法,主要包括如下步骤:构建基于Transformer的深度图像压缩模型;建立用于深度压缩模型的训练集、验证集和测试集;最后将处理好的深度图像压缩数据集送入构建好的基于Transformer深度图像压缩模型进行训练;通过预设方式对基于Transformer深度图像压缩模型进行优化,并重复迭代训练及优化的过程,直至损失函数趋近于恒定值时停止迭代训练并输出优化后的基于Transformer深度图像压缩模型;利用训练好的Transformer深度图像压缩模型对图像进行压缩和重建并对压缩结果进行评价或进一步对其进行分析和理解。本发明所述方法使用了先进的Transformer特征提取网络显著提升压缩图像的质量,并在很大程度上节省图像存储开销。本发明在图像存储、传输、分析等领域具有重要的应用价值。
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!
