<thead id="3jag6"><rt id="3jag6"><noscript id="3jag6"></noscript></rt></thead>
  • <s id="3jag6"><track id="3jag6"><menuitem id="3jag6"></menuitem></track></s>
        <sub id="3jag6"><p id="3jag6"></p></sub>

          <style id="3jag6"></style>
          国产精品久久久久久久网,人人妻人人澡人人爽国产,亚洲中文字幕无码爆乳APP,免费大片黄国产在线观看,无码抽搐高潮喷水流白浆,国产久免费热视频在线观看,国产亚洲精品成人aa片新蒲金,久久久97丨国产人妻熟女
          Document
          拖動滑塊完成拼圖
          個人中心

          預訂訂單
          服務訂單
          發布專利 發布成果 人才入駐 發布商標 發布需求

          在線咨詢

          聯系我們

          龍圖騰公眾號
          首頁 專利交易 IP管家助手 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 需求市場 關于龍圖騰
           /  免費注冊
          到頂部 到底部
          清空 搜索
          當前位置 : 首頁 > 專利喜報 > 合肥綜合性國家科學中心人工智能研究院(安徽省人工智能實驗室)張佳鑫獲國家專利權

          合肥綜合性國家科學中心人工智能研究院(安徽省人工智能實驗室)張佳鑫獲國家專利權

          買專利賣專利找龍圖騰,真高效! 查專利查商標用IPTOP,全免費!專利年費監控用IP管家,真方便!

          龍圖騰網獲悉合肥綜合性國家科學中心人工智能研究院(安徽省人工智能實驗室)申請的專利基于對比學習的視頻異常檢測模型的訓練方法及裝置、視頻異常檢測方法及裝置獲國家發明授權專利權,本發明授權專利權由國家知識產權局授予,授權公告號為:CN120198841B

          龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉:該發明授權的專利申請號/專利號為:202510690582.9,技術領域涉及:G06V20/40;該發明授權基于對比學習的視頻異常檢測模型的訓練方法及裝置、視頻異常檢測方法及裝置是由張佳鑫;李經宇;王憲文;王海波設計研發完成,并于2025-05-27向國家知識產權局提交的專利申請。

          基于對比學習的視頻異常檢測模型的訓練方法及裝置、視頻異常檢測方法及裝置在說明書摘要公布了:本發明提供了一種基于對比學習的視頻異常檢測模型的訓練方法及裝置、視頻異常檢測方法及裝置,可以應用于深度強化學習技術領域。該訓練方法包括:將樣本視頻輸入到特征提取模塊,得到樣本視頻特征;將樣本視頻特征輸入到重建模塊,得到重建樣本視頻,并基于重建損失函數,根據樣本視頻和重建樣本視頻得到重建損失;基于樣本視頻特征和重建損失生成負樣本視頻特征組;對樣本視頻特征進行數據增強處理得到正樣本視頻特征組;基于對比學習損失函數,根據負樣本視頻特征組和正樣本視頻特征組得到對比學習損失;基于對比學習損失和重建損失調整初始視頻異常檢測模型的參數,得到目標視頻檢測模型,提升對正常視頻的識別能力,使得視頻異常檢測更準確。

          本發明授權基于對比學習的視頻異常檢測模型的訓練方法及裝置、視頻異常檢測方法及裝置在權利要求書中公布了:1.一種基于對比學習的視頻異常檢測模型的訓練方法,其特征在于,所述方法包括: 將樣本視頻輸入到初始視頻異常檢測模型的特征提取模塊,得到樣本視頻特征; 將所述樣本視頻特征輸入到所述初始視頻異常檢測模型的重建模塊,得到重建樣本視頻,并基于重建損失函數,根據所述樣本視頻和所述重建樣本視頻得到重建損失; 基于所述樣本視頻特征和所述重建損失生成負樣本視頻特征組; 對所述樣本視頻特征進行數據增強處理,得到正樣本視頻特征組; 基于對比學習損失函數,根據所述負樣本視頻特征組和所述正樣本視頻特征組,得到對比學習損失; 基于所述對比學習損失和所述重建損失調整所述初始視頻異常檢測模型的參數,得到目標視頻檢測模型; 所述基于對比學習損失函數,根據所述負樣本視頻特征組和所述正樣本視頻特征組,得到對比學習損失,包括: 將所述負樣本視頻特征組和所述正樣本視頻特征組分別輸入到所述初始視頻異常檢測模型的記憶模塊中,得到負樣本相似度和正樣本相似度,所述負樣本相似度表征所述負樣本視頻特征組與所述記憶模塊中所存儲的記憶向量特征組的相似程度,所述正樣本相似度表征所述正樣本視頻特征組與所述記憶向量特征組的相似程度; 基于所述對比學習損失函數,根據所述負樣本相似度和所述正樣本相似度得到所述對比學習損失。

          如需購買、轉讓、實施、許可或投資類似專利技術,可聯系本專利的申請人或專利權人合肥綜合性國家科學中心人工智能研究院(安徽省人工智能實驗室),其通訊地址為:230094 安徽省合肥市高新區望江西路5089號;或者聯系龍圖騰網官方客服,聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。

          免責聲明
          1、本報告根據公開、合法渠道獲得相關數據和信息,力求客觀、公正,但并不保證數據的最終完整性和準確性。
          2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據或者憑證。
          主站蜘蛛池模板: 国产又色又爽又黄又免费| 国产精品va尤物在线观看| 亚洲精品午夜一区人人爽| 久久99精国产一区二区三区四区| 亚洲熟女乱色一区二区三区| 成 人影片 aⅴ毛片免费观看| 精品国产中文字幕懂色| 国产a√精品区二区三区四区| 亚洲学生妹高清av| 色吊丝中文字幕| 精品深夜av无码一区二区老年| 伊人久久丁香色婷婷啪啪| 国产无套精品一区二区| 中国凸偷窥xxxx自由视频| 久久精品免视看国产成人| 少妇人妻偷人精品视频| 五月丁香色综合久久4438| 无码av不卡免费播放| 97欧美精品系列一区二区| 亚洲人成网站免费播放| 一区二区三区精品视频免费播放 | 亚洲人成精品久久久久桥本| 亚洲熟妇丰满多毛xxxx| 国产娇喘喷水呻吟在线观看 | 久久国产精品免费一区| 久久久久国产精品人妻aⅴ免费| 成人国产精品一区二区网站| 亚洲欧洲无码av不卡在线| 久久久精品人妻一区二区三区蜜桃| 精品伊人久久大线蕉色首页| 黄在线看片免费人成视频| 国产睡熟迷奷系列网站| 精品精品自在现拍国产2021| 国产在线精品视频免费观看| 西西人体44www大胆无码| 精品国产日韩亚洲一区| 2020精品国产自在现线看| 久久人人97超碰国产公开| 在线看片国产日韩欧美亚洲| 国产精品午夜在线观看体验区| 久热综合在线亚洲精品|