国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預(yù)訂訂單
服務(wù)訂單
發(fā)布專利 發(fā)布成果 人才入駐 發(fā)布商標(biāo) 發(fā)布需求

在線咨詢

聯(lián)系我們

龍圖騰公眾號
首頁 專利交易 IP管家助手 科技果 科技人才 科技服務(wù) 國際服務(wù) 商標(biāo)交易 會員權(quán)益 需求市場 關(guān)于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當(dāng)前位置 : 首頁 > 專利喜報 > 恭喜中南大學(xué)李浩瑋獲國家專利權(quán)

恭喜中南大學(xué)李浩瑋獲國家專利權(quán)

買專利賣專利找龍圖騰,真高效! 查專利查商標(biāo)用IPTOP,全免費!專利年費監(jiān)控用IP管家,真方便!

龍圖騰網(wǎng)恭喜中南大學(xué)申請的專利異常行為檢測方法、裝置及存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán),本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予,授權(quán)公告號為:CN114495013B

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉:該發(fā)明授權(quán)的專利申請?zhí)?專利號為:202210191841.X,技術(shù)領(lǐng)域涉及:G06V20/52;該發(fā)明授權(quán)異常行為檢測方法、裝置及存儲介質(zhì)是由李浩瑋;陶澤;胡斌;付慧青設(shè)計研發(fā)完成,并于2022-03-01向國家知識產(chǎn)權(quán)局提交的專利申請。

異常行為檢測方法、裝置及存儲介質(zhì)在說明書摘要公布了:本發(fā)明公開了一種異常行為檢測方法、裝置及存儲介質(zhì),在使用深度學(xué)習(xí)的基礎(chǔ)上,充分發(fā)揮了邊緣服務(wù)器高響應(yīng)、低延遲的優(yōu)勢,提出了一種基于無數(shù)據(jù)知識傳遞的異常行為檢測方法。本發(fā)明可以保證在不訪問原始數(shù)據(jù)集,不使用任何自然圖像和標(biāo)記數(shù)據(jù)的前提下,為邊緣模型提供用于訓(xùn)練的合成圖像數(shù)據(jù)集,并利用云端模型和邊緣模型之間的分歧提高合成圖像的多樣性。經(jīng)過實驗證明,本發(fā)明的可行性高,經(jīng)過訓(xùn)練的模型可運行于邊緣設(shè)備,且在異常行為檢測時準(zhǔn)確率較高,且擁有低延遲、響應(yīng)快的優(yōu)勢,有效克服了龐大復(fù)雜的云端模型無法在邊緣設(shè)備運行的弊端。

本發(fā)明授權(quán)異常行為檢測方法、裝置及存儲介質(zhì)在權(quán)利要求書中公布了:1.一種異常行為檢測方法,其特征在于,包括以下步驟:S1、獲取預(yù)訓(xùn)練的云端模型,并輸入一張隨機(jī)噪聲圖像至所述云端模型,獲得云端模型的輸出分布;S2、利用從云端模型中獲取的所有卷積層特征圖的均值期望值和方差期望值,生成特征分布正則化項,利用所述特征分布正則化項得到損失函數(shù),進(jìn)而獲得合成圖像;S3、將所述合成圖像輸入至云端模型和邊緣模型,并依據(jù)云端模型與邊緣模型輸出的softmax值進(jìn)行分布匹配,訓(xùn)練邊緣模型,得到異常行為檢測模型;S4、將所述隨機(jī)噪聲圖像輸入訓(xùn)練后的邊緣模型,得到邊緣模型的輸出分布;S5、計算所述云端模型的輸出分布與所述邊緣模型的輸出分布之間的Wasserstein距離,利用所述Wasserstein距離更新所述合成圖像;S6、返回步驟S2,重復(fù)步驟S2~步驟S5,直至達(dá)到迭代次數(shù),得到最終的異常行為檢測模型;步驟S2中,使用以下?lián)p失函數(shù)作為優(yōu)化目標(biāo),進(jìn)行反向傳播,使用梯度上升法對輸入的隨機(jī)噪聲圖像進(jìn)行更新,改變隨機(jī)噪聲圖像的RGB數(shù)值,得到合成圖像: 其中為分類損失;y為目標(biāo)標(biāo)簽真實值;RTV·、Rl2·分別為懲罰總方差和l2范數(shù),αtv、和αf為縮放系數(shù);l代表云端模型的第l個卷積層;和分別為第l個卷積層對應(yīng)的特征圖的均值和方差;E·代表期望值;X代表訓(xùn)練云端模型的訓(xùn)練集,x代表云端模型在訓(xùn)練時的輸入,Eμlx|X和分別表示云端模型在訓(xùn)練時第l個卷積層對應(yīng)的特征圖的均值和方差;||·||2表示求l2范數(shù)運算;步驟S5中,利用所述Wasserstein距離更新所述損失函數(shù),進(jìn)而得到更新后的合成圖像: 其中,αw為縮放系數(shù);inf代表函數(shù)下界;表示和的聯(lián)合分布;||·||表示求模長運算;Ex,y~γ[||x-y||]表示聯(lián)合分布γ下,云端模型輸出分布和邊緣模型輸出分布對Wasserstein距離的期望值;和分別為云端模型的輸出分布和邊緣模型的輸出分布。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù),可聯(lián)系本專利的申請人或?qū)@麢?quán)人中南大學(xué),其通訊地址為:410083 湖南省長沙市岳麓區(qū)麓山南路932號;或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。

免責(zé)聲明
1、本報告根據(jù)公開、合法渠道獲得相關(guān)數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準(zhǔn)確性。
2、報告中的分析和結(jié)論僅反映本公司于發(fā)布本報告當(dāng)日的職業(yè)理解,僅供參考使用,不能作為本公司承擔(dān)任何法律責(zé)任的依據(jù)或者憑證。
主站蜘蛛池模板: 蕲春县| 宝山区| 铁岭市| 佛坪县| 隆昌县| 吉安县| 阿瓦提县| 吉隆县| 正蓝旗| 雅江县| 时尚| 郎溪县| 岢岚县| 东山县| 雷波县| 吐鲁番市| 农安县| 镇赉县| 工布江达县| 寿宁县| 苍溪县| 天镇县| 永安市| 揭阳市| 琼结县| 卓尼县| 曲沃县| 仪征市| 胶南市| 肇庆市| 清镇市| 安顺市| 县级市| 秭归县| 嘉鱼县| 逊克县| 凤凰县| 清远市| 南丰县| 马鞍山市| 木里|