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！

龙图腾网获悉东声(苏州)智能科技有限公司申请的专利基于深度学习的图像扩充方法和装置、存储介质和计算机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：CN114005007B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202010739993.X，技术领域涉及：G06V10/82；该发明授权基于深度学习的图像扩充方法和装置、存储介质和计算机是由韩旭;颜聪设计研发完成，并于2020-07-28向国家知识产权局提交的专利申请。

本基于深度学习的图像扩充方法和装置、存储介质和计算机在说明书摘要公布了：本发明提供一种图像扩充方法和装置、存储介质和计算机。所述图像扩充方法包括：提供包括有多张原始图像的第一图像集和生成对抗网络；对所述原始图像进行图像处理以得到处理后图像，多张处理后图像构成第二图像集，基于第一图像集和第二图像集形成第三图像集；利用第三图像集中的图像来训练所述生成对抗网络，得到最终的生成对抗网络；最终的生成对抗网络的基于第三图像集生成多张生成图像，并判断所述多张生成图像的真伪，被判断为真的多张生成图像形成第四图像集，基于第三图像集和第四图像集形成第五图像集。这样可以有效的扩充优质的图像集，以便为后续图像分类或目标检测的卷积神经网络模型训练提供优质的图像源。

本发明授权基于深度学习的图像扩充方法和装置、存储介质和计算机在权利要求书中公布了：1.一种图像扩充方法，其特征在于，其包括： 提供第一图像集和生成对抗网络，其中第一图像集包括有多张原始图像，所述生成对抗网络包括生成模型和判别模型； 对所述原始图像进行图像处理以得到处理后图像，多张处理后图像构成第二图像集，其中所述图像处理包括图形变换、光效处理、色彩及细节处理、特殊处理中的一种或多种，基于第一图像集和第二图像集形成第三图像集； 利用第三图像集中的图像来训练所述生成对抗网络，得到最终的生成对抗网络； 最终的生成对抗网络的生成模型基于第三图像集生成多张生成图像，最终的生成对抗网络的判别模型判断所述多张生成图像的真伪，被判断为真的多张生成图像形成第四图像集，基于第三图像集和第四图像集形成第五图像集， 利用第三图像集中的图像来训练所述生成对抗网络以使得所述判别模型的判断准确率最大化以及所述生成模型具有最大化欺骗所述判别模型的能力， 所述生成模型包括编码器、噪声添加模块和解码器，所述编码器包括卷积层、池化层、多个密集块、分别连接于对应的密集块输出端的多个过渡层，所述解码器包括多个密集块和分别连接于对应的密集块输出端的多个反卷积过渡层，所述噪声添加模块连接于编码器的输出端和解码器的输入端之间，所述解码器输出对应输入图像相同尺寸的生成图像，所述判别模型属于二分类模型，其包括池化层、卷积层、多个密集块、连接于多个密集块之间的过渡层、全局池化层和全连接层， 当一张输入图像输入所述生成对抗网络后，先由所述生成模型的编码器对输入图像进行特征提取，由噪声添加模块添加随机噪声后，再由所述生成模型的解码器输出对应输入图像相同尺寸的生成图像，然后将所述生成图输入所述判别模型，所述判别模型对所述生成图像进行特征提取，所述判别模块还对所述输入图像进行特征提取，所述判别模块根据从所述生成图像中提取的特征与从所述输入图像中提取的特征输出所述生成图像对应真伪类别的概率值，最终确定所述生成图像是真是伪， 所述编码器包括1个卷积层、1个池化层、4个密集块和4个过渡层，所述编码器的1个卷积层、1个池化层、4个密集块依次相连，4个过渡层分别连接于对应的密集块的输出端，每个密集块与位于其后方的每个过渡层相连； 所述解码器包括4个密集块和分别连接于对应的密集块输出端的4个反卷积过渡层，每个密集块与位于其后方的每个反卷积过渡层相连， 所述判别模型包括依次相连的1个池化层、1个卷积层、4个密集块、分别连接于4个密集块之间的3个过渡层、1个全局池化层和1个全连接层，每个密集块与位于其后方的每个过渡层相连。

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东声(苏州)智能科技有限公司，其通讯地址为：215000 江苏省苏州市苏州工业园区星湖街328号创意产业园8-701单元；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”。

以上内容由龙图腾AI智能生成。