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！

龙图腾网获悉北京邮电大学申请的专利数据去噪与增强协同的表征学习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：CN119723099B 。

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：202411862775.X，技术领域涉及：G06V10/30；该发明授权数据去噪与增强协同的表征学习方法是由成军玮;王鹏飞;王尚广设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本数据去噪与增强协同的表征学习方法在说明书摘要公布了：本申请提供了一种数据去噪与增强协同的表征学习方法，涉及数据处理技术领域，旨在对自然噪声和对抗噪声进行协同表征学习，以提高任务模型的精度，该方法包括：对原始图像样本进行自然噪声去噪处理，得到去噪图像样本，所述自然噪声表征由自然因素产生的影响任务模型准确性的噪声；通过在所述去噪图像样本添加对抗噪声，生成对抗噪声图像样本，所述对抗噪声表征用于欺骗任务模型输出错误结果的噪声；基于扩散模型净化所述对抗噪声图像样本中的噪声，得到数据增强图像样本；基于所述数据增强图像样本和所述去噪图像样本，对任务模型进行训练，直至所述任务模型收敛。

本发明授权数据去噪与增强协同的表征学习方法在权利要求书中公布了：1.一种数据去噪与增强协同的表征学习方法，其特征在于，所述方法包括： 对原始图像样本进行自然噪声去噪处理，得到去噪图像样本，包括：根据所述原始图像样本，获取多个注意力头的输入表征；对所述多个注意力头的输入表征进行多头挤压运算，得到多个注意力头的通道特征；对所述多个注意力头的通道特征进行激活操作，得到多个注意力头的激活操作结果，所述激活操作是指表达并提取所述多个注意力头的通道特征的非线性关系；将所述多个注意力头的通道特征和所述多个注意力头的激活操作结果进行融合，并根据融合结果得到自然噪声；从所述原始图像样本中去除所述自然噪声，得到去噪样本；所述自然噪声表征由自然因素产生的影响任务模型准确性的噪声； 通过在所述去噪图像样本添加对抗噪声，生成对抗噪声图像样本，所述对抗噪声表征用于欺骗任务模型输出错误结果的噪声； 基于扩散模型净化所述对抗噪声图像样本中的噪声，得到数据增强图像样本，包括：在每个时间步内，根据随机采样的高斯噪声，对对抗噪声图像样本进行加噪处理，得到噪声添加图像样本，并根据每个时间步的噪声添加图像样本，预测当前时间步的输入图像样本，重复多个时间步直至得到最后一个时间步的输入图像样本；按照上述方式进行多次迭代，得到训练完毕的扩散模型；利用所述训练完毕的扩散模型，对所述对抗噪声图像样本进行加噪处理和去噪处理，得到数据增强图像样本； 其中，在每个时间步内，根据随机采样的高斯噪声，对对抗噪声图像样本进行加噪处理，得到噪声添加图像样本，并根据每个时间步的噪声添加图像样本，预测当前时间步的输入图像样本，重复多个时间步直至得到最后一个时间步的输入图像样本，包括：从高斯分布中随机采样，得到高斯噪声；将所述高斯噪声分别添加到上一时间步的输入图像样本，以及上一时间步的对抗噪声图像样本，得到当前时间步的输入图像样本和当前时间步的对抗噪声图像样本；将所述当前时间步的对抗噪声图像样本输入到所述扩散模型的去噪模块，得到模型去噪图像样本；根据所述模型去噪图像样本和所述当前时间步的输入图像样本，构建第四损失；基于所述第四损失，计算所述当前时间步的输入图像样本的梯度，并基于所述梯度更新所述扩散模型；按照上述步骤重复多个时间步，直至得到最后一个时间步的输入图像样本； 基于所述数据增强图像样本和所述去噪图像样本，对任务模型进行训练，直至所述任务模型收敛。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。