Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州电子科技大学郭春生获国家专利权

杭州电子科技大学郭春生获国家专利权

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!

龙图腾网获悉杭州电子科技大学申请的专利基于多域交互构建和情景感知优化的小样本异常检测方法及系统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:CN118247575B

龙图腾网通过国家知识产权局官网在2025-09-23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:202410449221.0,技术领域涉及:G06V10/764;该发明授权基于多域交互构建和情景感知优化的小样本异常检测方法及系统是由郭春生;钟源设计研发完成,并于2024-04-15向国家知识产权局提交的专利申请。

基于多域交互构建和情景感知优化的小样本异常检测方法及系统在说明书摘要公布了:本发明提出了基于多域交互构建和情景感知优化的小样本异常检测方法及系统,方法如下:1,将多个道路情境下的交通异常视频转化为带标签的图像数据集;2,对图像数据集进行预处理并根据小样本学习训练要求构造相应的情景任务;3,将每个情景任务的图像输入骨干网络中进行特征提取,利用顺序特征嵌入将图像特征映射到多个特征域空间,计算同类样本特征平均值得到多域原型;4,将多域原型输入多域交互结构;5,基于当前情景任务对多域原型进行自适应通道分组;6,利用每个情景任务下的类间关系调整域内通道组的加权;7,通过损失函数进行小样本学习下的深度训练;8,对训练好的小样本分类模型进行性能测试,保留推理性能最优的模型训练参数。

本发明授权基于多域交互构建和情景感知优化的小样本异常检测方法及系统在权利要求书中公布了:1.基于多域交互构建和情景感知优化的小样本异常检测方法,其特征在于,按如下步骤: S1.将多个道路情境下的交通异常视频转化为带标签的图像数据集; S2.对图像数据集进行预处理,将预处理的图像数据集根据小样本学习训练要求构造相应的情景任务,包括支持集和查询集; S3.将每个情景任务的图像输入到骨干网络中进行特征提取,利用顺序特征嵌入方法将图像特征映射到多个特征域空间,并通过计算同类样本特征平均值得到多域原型; S4.将多域原型输入到多域交互结构,通过域间相关信息引导的多域交互完成域间信息互补;本步骤具体如下: 将多域原型输入到多域交互结构中,通过域间相关信息引导多域交互完成域间信息互补;将基础域原型和融合域原型会级联传入自适应信息感知器,用于感知不同域特征间有效的域间相关信息,公式如下: 其中,表示基础域感知的域间相关信息,表示混合域感知的域间相关信息,和分别为信息感知器和的可学习参数,在实际网络实现为两个卷积层其参数为(1280,640);为级联操作;随后利用自适应加权以及残差结构改善基础域原型和融合域原型的表征能力,公式如下: 其中,和分别是通过Sigmoid激活函数获取的和的置信分数,根据该置信分数获得自适应的权重;更新后的基础域原型和融合域原型表示为;; S5.基于当前情景任务对多域原型进行自适应通道分组,通过跨域通道组感知对域内每个通道组进行加权,突出每个类原型的关键信息表示; S6.引入情景注意力机制利用每个情景任务下的类间关系调整域内通道组的加权,扩大每个分类情景任务下不同类原型之间的差异; S7.通过损失函数进行小样本学习下的深度训练; S8.对训练好的小样本分类模型进行性能测试,保留推理性能最优的模型训练参数。

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杭州电子科技大学,其通讯地址为:310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。