买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜华侨大学申请的专利基于特征蒸馏和层间信息交互的轻量级图像超分辨率方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119359547B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411936474.7，技术领域涉及：G06T3/4053；该发明授权基于特征蒸馏和层间信息交互的轻量级图像超分辨率方法是由王一凡;黄玉婷;陈泽鑫;张平平;黄德天;陈龙涛;施一帆设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本基于特征蒸馏和层间信息交互的轻量级图像超分辨率方法在说明书摘要公布了：本发明设计图像处理技术领域，公开了一种基于特征蒸馏和层间信息交互的轻量级图像超分辨率方法，包括以下步骤：构建动态非对称蒸馏模块和层间全维信息交互模块；基于动态非对称蒸馏模块和层间全维信息交互模块构建轻量级图像超分辨率网络；利用所述轻量级图像超分辨率网络实现图像超分辨率；其中，所述轻量级图像超分辨率网络利用卷积层对输入的低分辨率图像进行浅层特征提取，利用动态非对称蒸馏模块和层间全维信息交互模块对浅层特征进行深层特征提取，利用卷积层和上采样对深层特征进行图像重建，得到高分辨率图像。本发明以更轻量、更有效的方式提取关键特征，从而实现在提升重建效果的同时，最小化计算开销和参数量。

本发明授权基于特征蒸馏和层间信息交互的轻量级图像超分辨率方法在权利要求书中公布了：1.基于特征蒸馏和层间信息交互的轻量级图像超分辨率方法，其特征在于，包括以下步骤：构建动态非对称蒸馏模块和层间全维信息交互模块；基于动态非对称蒸馏模块和层间全维信息交互模块构建轻量级图像超分辨率网络；利用所述轻量级图像超分辨率网络实现图像超分辨率；其中，所述轻量级图像超分辨率网络利用卷积层对输入的低分辨率图像进行浅层特征提取，利用动态非对称蒸馏模块和层间全维信息交互模块对浅层特征进行深层特征提取，利用卷积层和上采样对深层特征进行图像重建，得到高分辨率图像；所述利用所述轻量级图像超分辨率网络实现图像超分辨率，包括以下步骤：利用3×3卷积层对输入的低分辨率图像进行浅层特征提取，表示为：I0＝fSFILR；其中，ILR表示输入的低分辨率图像，I0为3×3卷积层的输出，fSF·表示3×3卷积层；利用动态非对称蒸馏模块和层间全维信息交互模块对浅层特征进行深层特征提取，表示为： 其中，为第i个动态非对称蒸馏模块的输出，为第j个层间全维信息交互模块的输出；第4个层间全维信息交互模块的输出为最终得到的深层特征；利用卷积层和上采样对深层特征进行图像重建，得到高分辨率图像，表示为： 其中，IHR表示输出的高分辨率图像，fRec·表示重建操作；所述动态非对称蒸馏模块的内部执行过程包括以下步骤：利用非对称可分离卷积和额外的卷积层对输入特征进行特征蒸馏，表示为：Id1＝fD1Iin；Ia1＝fASCBIin；Id2＝fD2Ia1+Id1；Ia2＝fASCBIa1+Id1；Id3＝fD3Ia2+Id1+Id2；其中，Iin表示动态非对称蒸馏模块的输入特征；Id1、Id2和Id3分别表示第1组蒸馏特征、第2组蒸馏特征和第3组蒸馏特征；Ia1和Ia2分别表示第1组粗特征和第2组粗特征；fD1·、fD2·和fD3·分别表示第1层卷积、第2层卷积和第3层卷积；fASCB·表示非对称可分离卷积；对蒸馏特征进行特征融合与增强，表示为：Iout＝fESAfConv1ConcatId1,Id2,Id3；其中，Iout即为动态非对称蒸馏模块的最终输出fESA·为增强空间注意块，fConv1·为1×1卷积，Concat·表示连接操作；所述层间全维信息交互模块的内部执行过程包括以下步骤：对输入特征提取不同层次的空间和通道关联信息，得到带有全域注意力权重的特征矩阵；对带有全域注意力权重的特征矩阵进行动态加权，得到重塑特征矩阵；整合重塑特征矩阵，作为层间全维信息交互模块的输出；所述对输入特征提取不同层次的空间和通道关联信息，得到带有全域注意力权重的特征矩阵，包括以下步骤：基于层间全维信息交互模块的输入特征Hk∈RH,W,C，引入局部可分离卷积生成查询矩阵Qs、键矩阵Ks、值矩阵Vs，分别表示为：Qs＝Hk·Wq,Ks＝Hk·Wk,Vs＝Hk·Wv；其中，Wq、Wk和Wv分别表示查询向量对应的线性变换矩阵、键向量对应的线性变换矩阵和值向量对应的线性变换矩阵，k表示层间全维信息交互模块的第k个输入；计算第一中间结果As，表示为：As＝SoftMaxQsKsT·Vs；其中，SoftMax·表示归一化指数函数；Qs、Ks、Vs经过旋转得到Qc、Kc、Vc，表示为：Qc＝fRQs,Kc＝fRKs,Vc＝fRVs；计算第二中间结果Ac，表示为：Ac＝SoftMaxQcKcT·Vc；第二中间结果Ac经过矩阵转置输出带有全域注意力权重的特征矩阵H′k∈RH,W,C，表示为： 其中，fR·表示沿空间轴的旋转操作，表示逆旋转操作。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。