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！

龙图腾网恭喜西南交通大学申请的专利一种基于非残差结构的极深图像超分辨率重建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：CN115100041B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202210793571.X，技术领域涉及：G06F30/20；该发明授权一种基于非残差结构的极深图像超分辨率重建方法是由赵小乐;张笑铭;李天瑞;张晓博设计研发完成，并于2022-07-05向国家知识产权局提交的专利申请。

本一种基于非残差结构的极深图像超分辨率重建方法在说明书摘要公布了：本发明公开了一种非残差结构的极深图像超分辨率重建网络模型及方法，其网络的整体结构包括网络头部、网络主干、网络尾部三部分；网络头部用于提取输入低分辨率图像的浅层特征；网络主干由16个特征通道并联组通过自适应权重再相互通道并联的方式串联组成，经过16个特征通道并联组推理的图像特征张量将经过全局自适应特征融合的集成，集成后的信息会依次通过两个不同核的普通卷积层；网络尾部用于聚合网络提取的浅层特征和深层特征，并集成回RGB三个通道得到最后放大的超分辨图像。本发明的网络模型使用了不含残差学习的恒等映射的通道并联，实现层与层之间的跳跃连接，解决了深度学习算法中网络模型设计过大过深后难以训练等问题。

本发明授权一种基于非残差结构的极深图像超分辨率重建方法在权利要求书中公布了：1.一种基于非残差结构的极深图像超分辨率重建方法，其特征在于，采用的网络模型的整体结构包括网络头部、网络主干、网络尾部三部分；所述网络头部用于提取输入低分辨率图像的浅层特征；所述网络主干由16个特征通道并联组串联后，通过自适应权重并联的方式组成；经过16个特征通道并联组推理的图像特征张量将经过全局自适应特征融合的集成，集成后的信息会依次通过一个核为1×1，输入通道为32，输出通道为32的普通卷积层和一个核为3×3，输入通道为32，输出通道为32的普通卷积层；所述网络主干部分的基础单位为特征并联模块，特征通道并联模块的表达式为：WXm，i-1＝C3×3RC3×3Xm，i-1Xm，i＝C1×1[β1Xm，i-1，β2WXm，i-1]式中，W·表示非线性映射部分；Xm，i-1表示第m个特征通道并联组中，经过第i-1个特征通道并联模块输入的图像特征张量，由于每个通道并联组一共含有8个通道并联模块，一共有16个通道并联组，因此m＝1，2，…，16；i＝1，2，…，8；Xm，i表示第m个特征通道并联组中，经过第i个特征通道并联模块输入的图像特征张量；C3×3·表示3×3卷积层，R·表示线性整流函数；C1×1·表示1×1卷积层；[·]表示通道并联操作；β1表示跳跃映射部分自适应权重；β2表示宽通道激活部分自适应权重；所述网络尾部用于聚合网络提取的浅层特征和深层特征，并集成回RGB三个通道得到最后放大的超分辨图像。

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西南交通大学，其通讯地址为：610000 四川省成都市二环路北一段；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”。