申请/专利权人：国网新疆电力有限公司信息通信公司;新疆大学

申请日：2024-01-15

公开（公告）日：2024-04-12

公开（公告）号：CN117876223A

主分类号：G06T3/4053

分类号：G06T3/4053;G06T3/4046;G06V10/42;G06V10/44;G06V10/52;G06N3/0464;G06N3/045

优先权：

专利状态码：在审-公开

法律状态：2024.04.12#公开

摘要：本发明公开了一种基于多维度自注意力关注的连续倍率图像超分与重建算法，属于超分辨率重建技术领域。在网络结构中，参考大量的基于注意力机制的网络框架，从基本块，注意力机制和上采样模块三个方面对模型进行了改进；设计全新的多维度自注意力模块，并将它与通道聚合块构建成新的混合级联变压器组作为本发明所设计的网络结构的基本模块；非局部注意力块被设计为放在网络中间结构上，从网络内部对关键特征进行更准确的识别和增强；对于上采样模块，设计能实现连续倍率超分辨率的结构，利用数学方法对深层网络获得到的特征进行学习并输出。另外，引入双三次插值方法，可以有效传递大量的信息，从而引导网络的注意力到细致的细节还原上，以获得最终特征。

主权项：1.基于多维度自注意力关注的连续倍率图像超分与重建算法，其特征在于，包括以下步骤：S1：低分辨率图像经过第一个卷积层后获得浅层特征F0，将卷积层作为浅层特征提取器： 其中，表示第一个卷积层，ILR表示低分辨率图片；S2：浅层特征F0通过由多维度自注意力和通道聚合块构建成的混合级联变压器组，在通过混合级联变压器组不断深化特征的同时，引入非局部注意力在网络内部不断识别和增强关键特征；S3：利用卷积层对深度特征进行完善并引入残差连接弥补训练中所忽略的信息；S4：对提取的深层特征进行上采样重构，首先通过由3×3卷积和PixelShuffle层组成的模块对多个倍率进行上采样获得多尺度特征，再通过通道注意力机制获取关键特征图，再利用数学方向实现任意大小的输出，最后加上Bicubic插值的结果得到最终的SR结果，其中S是放大倍数。

全文数据：

权利要求：

百度查询： 国网新疆电力有限公司信息通信公司;新疆大学 基于多维度自注意力关注的连续倍率图像超分与重建算法

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