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！

龙图腾网获悉香港应用科技研究院有限公司申请的专利使用动态密度估计的异常检测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：CN116324877B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202380007813.0，技术领域涉及：G06T7/00；该发明授权使用动态密度估计的异常检测是由李沛勤;舒嘉瑜设计研发完成，并于2023-02-02向国家知识产权局提交的专利申请。

本使用动态密度估计的异常检测在说明书摘要公布了：在检测样本异常时，使用了卷积神经网络CNN和用支持向量建模的机器学习分类器。CNN和分类器最初使用正常样本进行训练，然后在再训练会话中进行增量训练，每次训练都使用在再训练会话之前的推理中识别的自生成异常样本进行增量训练，从而不断提高异常检测性能，而无需寻找异常样本初始化CNN和分类器。选择支持向量作为CNN输出特征图的特征k‑中心。动态密度估计用于确定现有支持向量集中的哪些特征k‑中心在更新再训练会话中的支持向量集时是可保留的。因此，并非所有特征k‑中心都需要重新计算以便在更新的支持向量集中提供支持向量。与从头开始生成支持向量集相比，更新支持向量集的计算量减少了。

本发明授权使用动态密度估计的异常检测在权利要求书中公布了：1.一种用于检测多个样本中样本异常的计算机实现方法，所述样本为图像或视频片段，该方法包括： 在推理阶段处理多个样本进行异常检测，在所述推理阶段之前插入冷启动阶段，将所述推理阶段划分为多个推理阶段会话，并在任何两个连续的推理阶段会话之间插入再训练会话； 在所述推理阶段，使用卷积神经网络CNN提取单个样本的特征，从而生成特征图，并使用以一个或多个支持向量集建模的机器学习分类器对所述特征图进行处理，以确定所述单个样本是否异常； 在所述冷启动阶段，根据在CNN预训练后用CNN处理一组正常样本生成的特征图初始训练集，初始化所述一个或多个支持向量集； 在所述再训练会话中，根据在紧接所述再训练会话之前的一个推理阶段会话期间识别的至少一组临时自生成的异常样本，对CNN进行微调，并根据在CNN微调后用CNN处理正常样本集所生成的特征图中间训练集，更新所述一个或多个支持向量集，从而使异常检测性能由于在增量训练所述CNN和分类器时引入新识别的自生成异常样本而得到持续改进，同时避免在冷启动阶段需要寻找异常样本初始训练集来初始化所述CNN和分类器； 在冷启动阶段，从所述特征图初始训练集中提取的特征生成第一多个特征k-中心，并从所述第一多个特征k-中心中选择要包括在所述初始化的一个或多个支持向量集中的各个支持向量；和 在再训练会话中： 根据所述特征图中间训练集，确定所述一个或多个支持向量集中的单个支持向量是否不再是特征k-中心，据此将所述一个或多个支持向量集中的各个支持向量划分为可保留的支持向量和可丢弃的支持向量，用以更新所述一个或多个支持向量集； 在所述可保留的支持向量位于第二多个特征k-中心的条件下，从所述特征图中间训练集中提取的特征生成所述第二多个特征k-中心，从而与从头开始生成所述第二多个特征k-中心相比，减少了计算量；和 从所述第二多个特征k-中心中选择要包括在所述更新的一个或多个支持向量集中的各个支持向量。

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香港应用科技研究院有限公司，其通讯地址为：中国香港新界沙田香港科学园科技大道东二号光电子中心5楼；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。