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！

龙图腾网获悉南京信息工程大学申请的专利基于软阈值降噪的对比联邦学习交通路标识别方法和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：CN116543370B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202310515766.2，技术领域涉及：G06V20/58；该发明授权基于软阈值降噪的对比联邦学习交通路标识别方法和系统是由王毅;瞿治国设计研发完成，并于2023-05-09向国家知识产权局提交的专利申请。

本基于软阈值降噪的对比联邦学习交通路标识别方法和系统在说明书摘要公布了：本发明公开一种基于软阈值降噪的对比联邦学习交通路标识别方法和系统，方法包括以下步骤：S1：将训练好的全局图像识别降噪网络模型的模型参数传输至客户端，并在客户端构建本地图像识别降噪网络模型；S2：在客户端获取待识别的交通路标图片，基于本地图像识别降噪网络模型识别交通路标图片；S01：在服务端构建初始全局图像识别降噪网络模型，将初始全局图像识别降噪网络模型的全局模型参数发送至全部客户端；S02：在各个客户端搭建客户端本地图像识别降噪网络模型，并对本地图像识别降噪网络模型进行训练；S03：构建新的全局图像识别降噪网络模型；步骤S04：获取新的全局图像识别降噪网络模型的全局模型参数并发送至客户端，重复步骤S02‑S03。

本发明授权基于软阈值降噪的对比联邦学习交通路标识别方法和系统在权利要求书中公布了：1.基于软阈值降噪的对比联邦学习交通路标识别方法，其特征在于，包括以下步骤： S1：将训练好的全局图像识别降噪网络模型的模型参数传输至客户端，并在客户端根据所述模型参数构建本地图像识别降噪网络模型；所述全局图像识别降噪网络模型以残差网络为模型架构，内嵌有降噪神经网络； S2：在客户端获取待识别的交通路标图片，将待识别的交通路标图片输入至本地图像识别降噪网络模型中，得到模型输出的交通路标识别结果； 所述全局图像识别降噪网络模型的训练过程包括： 步骤S01：初始化联邦学习框架，并在服务端构建初始全局图像识别降噪网络模型和交通路标识别测试集，将初始全局图像识别降噪网络模型的全局模型参数发送至全部客户端； 步骤S02：在各个客户端基于服务端发送的全局模型参数搭建客户端本地图像识别降噪网络模型，并基于客户端获取的历史交通路标图片构建训练集；在各个客户端基于训练集对客户端本地图像识别降噪网络模型进行训练，得到训练好的本地图像识别降噪网络模型，并将训练好的客户端本地图像识别降噪网络模型的本地模型参数传输至服务端；利用自注意力提取历史交通路标图片的关键特征，并对提取到的关键特征进行全局平均池化操作；在降噪神经网络中学习不同通道间的关联性；将关联性输出结果归一化到0和1之间，得到尺度参数；将尺度参数与关联性输出结果相乘得到自适应阈值；利用自适应阈值对历史交通路标图片进行软阈值化降噪处理； 步骤S03：在服务端基于各个客户端传输的本地模型参数更新全局图像识别降噪网络模型，并基于交通路标识别测试集测试新的全局图像识别降噪网络模型的预测精度，判断预测精度是否满足全局模型精度阈值，若是，则训练结束，若否，则进入步骤S04； 步骤S04：获取步骤S03更新后的全局图像识别降噪网络模型的全局模型参数并发送至客户端，重复步骤S02-S03，直至全局图像识别降噪网络模型的预测精度满足全局模型精度阈值要求，得到训练好的全局图像识别降噪网络模型。

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京信息工程大学，其通讯地址为：224002 江苏省盐城市盐南高新区新河街道文港南路105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。