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！

龙图腾网获悉浙江工业大学申请的专利一种基于敏感特征加噪的深度学习模型去偏方法及其装置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：CN114445868B 。

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：202210176604.6，技术领域涉及：G06V40/16；该发明授权一种基于敏感特征加噪的深度学习模型去偏方法及其装置是由陈晋音;李秦峰;郑海斌;宣琦设计研发完成，并于2022-02-25向国家知识产权局提交的专利申请。

本一种基于敏感特征加噪的深度学习模型去偏方法及其装置在说明书摘要公布了：本发明公开了一种基于敏感特征加噪的深度学习模型去偏方法及其装置，首先将CelebA数据集作为初始样本集，并进行数据预处理；再基于差异影响、人口统计平等、机会平等指标定义偏见指标函数；然后构造并采用预热学习率策略训练敏感特征提取模型；再对加噪区域进行划分，对敏感特征进行随机加噪；最后构造深度学习模型，根据定义的偏见指标函数对深度学习模型进行训练，直至达到预设的准确度与偏见指标，结束训练，完成去偏。

本发明授权一种基于敏感特征加噪的深度学习模型去偏方法及其装置在权利要求书中公布了：1.一种基于敏感特征加噪的深度学习模型去偏方法，其特征在于，具体包括以下步骤： S1，将CelebA数据集作为初始样本集，并进行数据预处理； S2，基于差异影响、人口统计平等、机会平等指标定义偏见指标函数； S3，构造并采用预热学习率策略训练敏感特征提取模型； S4，对加噪区域进行划分，根据敏感特征提取模型对图像面部特征进行重建，对敏感特征进行随机加噪，进行数据增强； 所述步骤S4具体为： 4.1构造有偏见的主任务分类模型M，并进行训练： 4.2利用boundingbox标签对加噪区域进行划分； 4.3根据敏感特征提取模型对图像面部特征进行重建，根据敏感属性提取模型对敏感属性信息较多的区域进行加噪； 所述步骤4.3具体包括以下子步骤： 4.3.1分别构造可疑数据集D’以及干净数据集Dc，将所有图像都划入可疑数据集D’，干净数据集Dc最开始为空集；依次将可疑数据集D’中的图片分别输入到敏感特征提取模型以及主任务分类模型M中得到敏感属性预测置信矩阵以及主任务分类标签； 4.3.2设定阈值ε，计算置信矩阵距离，若置信矩阵距离性别中性矩阵[0.5,0.5]的距离小于ε，则当前图像加噪处理完成，将处理后的图像从可疑数据集D’中加入到干净数据集Dc中； 4.3.3利用在步骤S2中定义的偏见指标函数，根据在步骤4.3.1中的分类结果计算当前可疑数据集D’中所有图像的偏见，计算偏见指标函数，并保留偏见函数的值 FD′，M作为偏见程度值； 4.3.5根据偏见程度的数值FD′，M对可疑数据集D’中的图像进行加噪，即以 μ＝θ×FD′，M为均值，以σ为方差依据概率p对步骤4.2.1中划分的加噪区中的像素点进行加噪处理； 4.3.6选择性保留加噪结果：将加噪后的图片重新输入敏感属性提取模型，若模型输出的预测置信矩阵离决策边界更近则保留加噪结果；否则不保留加噪结果，重复步骤4.3.2～4.3.5；当达到预设的迭代次数或可疑数据集D’中的所有样本都被移入干净数据集Dc中，则加噪完成，即完成数据增强； S5，构造深度学习模型，根据定义的偏见指标函数对深度学习模型进行训练，直至达到预设的准确度与偏见指标结束训练，完成去偏。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18号；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”。