買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江工業大學申請的專利一種基于深度強化學習生成式對抗神經網絡和超分辨率重建的數據增強方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116051382B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310188986.9，技術領域涉及：G06T3/4076；該發明授權一種基于深度強化學習生成式對抗神經網絡和超分辨率重建的數據增強方法是由詹燕;劉長睿設計研發完成，并于2023-03-02向國家知識產權局提交的專利申請。

本一種基于深度強化學習生成式對抗神經網絡和超分辨率重建的數據增強方法在說明書摘要公布了：本發明公開了一種基于深度強化學習生成式對抗神經網絡和超分辨率重建的數據增強方法，實施方式為對工業相機采集的原始圖像數據按照圖像類別進行標定，并通過降采樣調整圖像尺寸，生成各類別圖像的灰度直方圖，通過最大似然估計法擬合灰度直方圖，獲得原始圖像像素值分布的概率密度函數fx，根據Box?Muller算法或馬爾可夫鏈蒙特卡洛采樣算法生成近似符合概率密度函數為fx的二維隨機噪聲，最后結合WGAN?GP和SRCNN搭建數據增強模型，通過逐層訓練的方式避免生成對抗網絡直接向高分辨率圖像映射困難的弊端，進而得到高分辨率的生成圖像，完成對原始圖像數據集的增強。本發明有效降低了模型參數的冗余性，相比傳統方法，生成圖像的峰值信噪比提高13.07％，結構相似性提高32.40％。

本發明授權一種基于深度強化學習生成式對抗神經網絡和超分辨率重建的數據增強方法在權利要求書中公布了：1.一種基于深度強化學習生成式對抗神經網絡和超分辨率重建的數據增強方法，其特征在于包括如下步驟： 1原始圖像預處理：首先對工業相機采集的少量原始圖像數據進行人工標定，獲得不同類別圖像數據對應的標簽，然后對原始圖像數據進行降采樣； 2圖像數據分布擬合：通過極大似然估計法對步驟1得到的圖像數據進行分布擬合，獲得近似服從其數據分布的概率密度函數fx； 3生成隨機噪聲：通過Box-Muller算法或馬爾可夫鏈蒙特卡洛采樣算法生成符合概率密度函數為fx的隨機噪聲； 4數據增強模型的搭建和訓練：融合帶梯度懲罰項的WGAN-GP和超分辨率卷積神經網絡建立數據增強模型； 5生成數據質量評價：根據圖像的峰值信噪比和結構相似性評價數據增強模型生成圖像數據的質量； 步驟4的具體過程為： a.搭建WGAN-GP模型，并將步驟3中的噪聲生成方法構建成噪聲生成模塊外接在WGAN-GP模型前端，為模型生成符合原始數據分布的噪聲； b.訓練WGAN-GP模型，訓練完成后單獨使用WGAN-GP的生成模塊生成一系列低分辨率圖像Gnx,n∈1,2,…,n； c.搭建超分辨率卷積神經網絡模型，并將Gnx輸入SRCNN進行超分辨率重建，進而得到高分辨率圖像數據。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江工業大學，其通訊地址為：310006 浙江省杭州市拱墅區朝暉六區潮王路18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。