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！

龙图腾网恭喜大连民族大学申请的专利一种语义引导的内容特征传递风格迁移方法及系统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：CN114757820B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202210405069.7，技术领域涉及：G06T3/04；该发明授权一种语义引导的内容特征传递风格迁移方法及系统是由杨大伟;王萌;毛琳设计研发完成，并于2022-04-18向国家知识产权局提交的专利申请。

本一种语义引导的内容特征传递风格迁移方法及系统在说明书摘要公布了：本发明公开了一种语义引导的内容特征传递风格迁移方法及系统，属于深度学习风格迁移领域。为实现内容特征完整一致的风格迁移，本发明提出内容校准模块，包含特征优化单元和属性推理单元。特征优化单元利用网络深度提取能力保持多通道内容特征完整，属性推理单元忽略位置空间，借助注意力分组交互方式将内容语义重新分类，为寻找合适的内容表达提供帮助。将从原始内容特征中提取出的内容属性重新赋予给深度内容特征，校准内容特征映射偏差，降低内容特征噪声，贯彻自底而上的内容一致性。本发明适用于自动驾驶、安防监控等领域。

本发明授权一种语义引导的内容特征传递风格迁移方法及系统在权利要求书中公布了：1.一种语义引导的内容特征传递风格迁移方法，其特征在于，包括：准备训练风格迁移网络的数据集，数据集尺寸为2h×2w；获取特征通道为c的源域输入图像和目标域输入图像分别对其进行双倍下采样操作，所述双倍下采样操作包括卷积操作和非线性激活函数处理；对目标域输入图像的下采样结果使用全局平均池化和全连接函数处理，得到四维特征向量对源域输入图像的下采样结果采用多层残差单元处理，获取四维特征向量所述四维特征向量依次经过全局最大池化、全连接函数处理，再经过深度卷积神经网络、信息交换、点卷积神经网络处理，得到四维特征向量同时使用多层残差单元深化处理四维特征向量得到四维特征向量将所述四维特征向量和四维特征向量相乘，生成四维内容特征向量Y1c×h×w，实现内容特征中目标属性的重新分配，校正特征传递偏差；将所述四维特征向量和四维内容特征向量Y1c×h×w相加融合得到四维特征向量然后进行上采样输出风格迁移结果Yc×2h×2w；对源域输入图像的下采样结果采用多层残差单元处理，公式为： 其中，Fi为单层残差单元过程函数，ω3为权值矩阵；将所述四维特征向量和四维特征向量相乘，生成四维内容特征向量Y1c×h×w，具体为： 其中，和为权值矩阵，×表示特征矩阵相乘。

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大连民族大学，其通讯地址为：116600 辽宁省大连市经济技术开发区辽河西路18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”。