申请/专利权人：燕山大学

申请日：2023-12-22

公开（公告）日：2024-03-19

公开（公告）号：CN117726517A

主分类号：G06T3/4053

分类号：G06T3/4053;G06T3/4046;G06V10/44;G06V10/82;G06V10/46;G06N3/0455;G06N3/0464;G06N3/045;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了基于Transformer的课堂图像超分辨率方法，属于计算机视觉技术领域，包括：步骤1，浅层特征提取模块从输入的低分辨率课堂图片中提取浅层特征；步骤2，深层特征提取模块对浅层特征进一步处理，得到该图片的深层特征；步骤3，图像重建模块通过长跳跃连接聚合从输入课堂图片中提取得到的浅层特征与深层特征并计算得到重建后的高分辨率课堂图片。本发明的深层特征提取模块可以激活更多的像素来提高特征信息的挖掘和表示能力，使课堂图像能够获得更全面、详细和稳定的特征，此外，本发明使用的空间门机制可以捕获额外的非线性空间信息，并减轻信道冗余，降低计算复杂度。

主权项：1.一种基于Transformer的课堂图像超分辨率方法，其特征在于，包括以下步骤：步骤1，采用浅层特征提取模块从输入的低分辨率课堂图片中提取浅层特征；步骤2，采用深层特征提取模块对浅层特征进一步处理，得到该图片的深层特征；步骤3，采用图像重建模块根据从输入课堂图片中提取得到的浅层特征与深层特征计算得到重建后的高分辨率课堂图片。

全文数据：

权利要求：

百度查询： 燕山大学 基于Transformer的课堂图像超分辨率方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD