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！

龙图腾网获悉西北工业大学申请的专利一种多终端视频检测模型在线重训练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：CN115587217B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202211268163.9，技术领域涉及：G06F16/78；该发明授权一种多终端视频检测模型在线重训练方法是由刘思聪;王乐豪;於志文;于昊艺;郭斌设计研发完成，并于2022-10-17向国家知识产权局提交的专利申请。

本一种多终端视频检测模型在线重训练方法在说明书摘要公布了：本发明涉及一种多终端视频检测模型在线重训练方法，根据样本标签和中间模型的输入模块得到每个终端以及整体的特征分布，并在总体特征分布上进行采样得到增广样本，之后根据新的数据集对与其对应的本地模型和中间模型进行互学习，实现本地模型和中间模型更新；聚合多个中间模型生成全局模型，基于原本数据集的图片集利用全局模型和与其对应的多个本地模型进行知识蒸馏，全局模型作为教师模型，向作为学生模型的本地模型传授知识；基于模型特点，将本地模型和中间模型部署于数字加速器上，并对两种模型的输出进行一定处理，将全局模型部署于模拟加速器上，同时在互学习过程中注入权重噪声，使模型适应噪声的影响。

本发明授权一种多终端视频检测模型在线重训练方法在权利要求书中公布了：1.一种多终端视频检测模型在线重训练方法，其特征在于步骤如下： 步骤1：将各个终端收集并筛选出的数据上传至边缘端，利用位于边缘服务器的全局模型对没有标签的数据进行标注； 步骤2：利用本地模型的样本标签和中间模型的预测模块得到聚合前每个中间模型的数据集以及总体数据的特征分布； 步骤3：共享一个全局模型的所有本地模型根据特征分布并行地在总体特征分布上进行采样，得到增广样本，对其原本的数据集进行更新； 步骤4：根据新的数据集，对于其对应的本地模型和中间模型进行互学习，实现本地模型和中间模型更新，两种模型训练对应的损失函数改写如下： Llocal＝αLClocal+1-αDKLPmid||Plocal Lmid＝βLCmid+1-βDKLPmid||Plocal 其中α和β是超参数，用于控制来自数据和其他模型的知识的比例，LClocal和LCmid分别为本地模型和中间模型基于数据标签的损失函数，Plocal和Pmid分别是本地模型和中间模型的推理结果； 步骤5：利用FedAVG算法聚合多个终端设备的中间模型生成全局模型； 步骤6：基于每个终端原本收集并筛选出的数据集，利用全局模型与其对应的多个本地模型进行知识蒸馏，全局模型作为“教师”模型，向作为“学生”模型的本地模型传授知识； 步骤7：本地模型与中间模型部署于数字加速器，并对模型的输入进行一定处理，具体来说，在全局模型完成对终端模型上传的图片集推理标注之后，若图片中不存在小目标物体，则降低图片像素，若图片中存在小物体，为了保证重训练的效果，则不压缩图片像素； 步骤8：将全局模型部署在模拟加速器上，并且对全局模型进行优化：一方面，采用的互学习可以使模型收敛到更平缓的极小值点，使其对噪声的鲁棒性得到加强；另一方面，在本地模型和中间模型的互学习过程中注入权重噪声，使模型适应噪声的影响，具体而言，在互学习向前传播过程中，令第l层的权重满足： Wl∈NWl0,σN,l 2 σN,l＝μWlmax-Wlmin 并且，为了防止权重选择幅度过大，影响模型训练的效率和精度，对权重进行了进一步的约束： Wlmin≤Wl≤Wlmax 其中，Wl0为原本第l层权重，σN,l为注入的噪声，μ为噪声系数，Wlmax和Wlmin分别为第l层最大的权重和最小的权重； 步骤9：边缘服务器将更新完成的模型参数传回终端，终端立即部署新模型，并继续进行实时的视频分析。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。