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！

龙图腾网获悉浙江大学申请的专利面向弱监督视频异常检测的双重动态记忆网络构建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：CN116563744B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202310350401.9，技术领域涉及：G06V20/40；该发明授权面向弱监督视频异常检测的双重动态记忆网络构建方法是由赵春晖;周文浩;宋鹏宇;王文海;阮伟设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本面向弱监督视频异常检测的双重动态记忆网络构建方法在说明书摘要公布了：本发明提供了一种面向弱监督视频异常检测的双重动态记忆网络构建方法，本发明方法构造了同时包含正常和异常记忆模块的记忆网络，能够通过记忆项分别提取视频中长期的正常和异常模态，并通过记忆网络的读写操作来对特征进行动态更新。记忆模块中记忆项的数量动态可变以适应不同的视频监控场景。在训练时，设计一种模态分离损失增加各个记忆项之间的区分度使得各个模态具有多样性。在线应用时，由于网络能够考虑长期视频信息，因而不需要融合未来帧的特征即可实现异常检测，能够实现准确且实时的在线检测。

本发明授权面向弱监督视频异常检测的双重动态记忆网络构建方法在权利要求书中公布了：1.一种面向弱监督视频异常检测的双重动态记忆网络构建方法，其特征在于，包括： 构建训练数据集，每个样本包含由一个视频分割获得的多个不重叠的视频片段和对应视频的标签； 利用一特征提取器对每一样本的视频片段进行特征提取，并采用第一分类器获得每一视频片段的异常分数，根据异常分数进行置信样本采样获得每一样本的样本特征集合； 构建双重动态记忆网络，所述记忆网络包含正常记忆模块和异常记忆模块，分别用于存储正常视频的记忆项和异常视频样本的记忆项； 将每一样本的样本特征集合送入双重动态记忆网络，基于双重动态记忆网络进行读操作，其中，对于正常视频样本的样本特征集合的特征根据所述特征与正常记忆模块的记忆项的相似度作为权重对记忆项进行加权得到新特征，将正常视频样本的样本特征集合的特征与对应加权得到的新特征拼接作为增强后的特征；对于异常视频样本的样本特征集合的特征根据所述特征与异常记忆模块的记忆项的相似度作为权重对记忆项进行加权得到新特征，将异常视频样本的样本特征集合的特征与对应加权得到的新特征拼接作为增强后的特征；并依据输入的特征与当前记忆项的相似度，保留当前记忆项无法表征的特征作为新的记忆项，同时利用相似度高的特征对当前已存在的记忆项进行组合更新，分别对正常记忆模块和异常记忆模块进行更新写入，再基于增强后的特征采用第二分类器输出增强的异常分数； 构建损失函数，损失函数至少包括第一分类器、第二分类器的分类损失，正常记忆模块和异常记忆模块中记忆项的模态分离损失以及正常记忆模块和异常记忆模块之间的模态分离损失；以最小化损失函数为目标进行训练，获得训练好的双重动态记忆网络。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。