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！

龙图腾网获悉南通大学申请的专利基于深度时空记忆与交互网络的交通事件检测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：CN120032291B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510067732.0，技术领域涉及：G06V20/40；该发明授权基于深度时空记忆与交互网络的交通事件检测方法是由李洪均;张雨星;陈俊杰;滕立平;陈铭子设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本基于深度时空记忆与交互网络的交通事件检测方法在说明书摘要公布了：本发明公开了一种基于深度时空记忆与交互网络的交通事件检测方法。首先，设计了时空信息感知网络，可以有效地从输入的视频帧中捕捉到小空间区域到大空间区域的核心语义，以及时间域上的短期特征，提升视频帧特征的提取能力，对交通事件进行更加准确的分类。其次，提出了时序特征学习网络，旨在解决时空信息感知网络在处理视频帧时未能充分捕捉长期时间信息的问题。该方法通过强化时间特征的学习，能够获得更加完整的上下文时间信息特征，提高对异常发生和结束时刻的准确定位。

本发明授权基于深度时空记忆与交互网络的交通事件检测方法在权利要求书中公布了：1.一种基于深度时空记忆与交互网络的交通事件检测方法，其特征在于，构建包括时空信息感知网络和时序特征学习网络结合的检测模型，以视频帧作为输入，实现对交通事故的定位以及发生起始时间预测，包括如下步骤： 步骤1、构建时空信息感知网络，以视频帧作为输入，通过在空间维度引入空间域全连接层MarphFCs挖掘空间语义信息，并在时间通道上引入时间域全连接层MorphFCt捕获输入的视频特征随时间变化的关系，并将时间维度的特征重新映射到空间维度，从而提取视频帧中空间信息和时间信息特征； 步骤2、构建时序特征学习网络，强化视频帧中时间信息特征的学习能力，对视频帧中时间信息进行全面建模； 步骤2具体为：在所输入的时间序列中，设输入的时间序列为，其中T表示时间步长，在经过的卷积变换之后得到： 6 其中，W1表示权重参数，为上述线性变换的权重矩阵，b1表示上述线性变换中的偏置； 在空洞卷积的并行处理部分，包含两个并行的卷积处理块，每个卷积块包含两个扩张的卷积层，针对每个扩张卷积层，第l层的输出表示为： 7 其中，指的是第l层的扩张率； 设第一个扩张卷积块的输出是，第二个扩张卷积块的输出为，则每个块的具体处理过程如下： 8 9 其中，W2是扩张卷积操作中的权重参数，b2表示第二个扩张卷积层中的偏置； 则经过残差连接和后续处理得到的信息为： 10 然后经过一系列的非线性激活和正则化的处理得到： 11 12 13 最终的输出为： 14 其中，W3表示最终输出层的权重矩阵，b3表示是最终输出层的偏置； 步骤3、通过加权交叉熵损失来训练检测模型。

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南通大学，其通讯地址为：226006 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院；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。