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！

龙图腾网获悉之江实验室申请的专利一种基于多尺度噪声与对抗监督的因果解耦合方法和装置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：CN121415085B 。

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：202511963094.7，技术领域涉及：G06V10/40；该发明授权一种基于多尺度噪声与对抗监督的因果解耦合方法和装置是由冯远航;刘扶芮;汪辉阳;李晓晨;周伯文设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本一种基于多尺度噪声与对抗监督的因果解耦合方法和装置在说明书摘要公布了：本发明公开了一种基于多尺度噪声与对抗监督的因果解耦合方法和装置，该方法包括：通过对因果图中变量的因果关系进行仿真以生成观测图像数据，并根据观测图像数据与其对应的因果标签信息和因果图构建训练集和测试集；构建因果解耦合模型，并使用训练集在多尺度噪声下进行对抗监督训练；使用测试集和经过训练后的因果图矩阵，利用训练好的观测数据编码模块和观测数据解码模块获取反事实干预数据。本发明充分结合自编码器与因果无环约束，在多尺度噪声下对判别模块进行训练，进行高质量的对抗监督，以此提高对模型表征学习能力，增强模型对具备因果关系数据的表征理解，提高对隐含的因果网络预测的准确性，提高因果解耦合的准确率。

本发明授权一种基于多尺度噪声与对抗监督的因果解耦合方法和装置在权利要求书中公布了：1.一种基于多尺度噪声与对抗监督的因果解耦合方法，其特征在于，包括以下步骤： 1利用先验因果机制对因果图中变量的因果关系进行仿真模拟，生成观测图像数据，并根据观测图像数据与其对应的因果标签信息和因果图构建训练集和测试集； 2构建因果解耦合模型，并使用训练集在多尺度噪声下进行对抗监督训练，以获取训练好的因果解耦合模型；其中，所述因果解耦合模型包括观测数据编码模块、观测数据解码模块和多尺度噪声判别模块；所述观测数据编码模块包括编码模块卷积层、编码模块因果嵌入层和编码模块数据压缩层；所述观测数据解码模块包括解码模块数据解码层、解码模块因果嵌入层和解码模块逆卷积层；所述多尺度噪声判别模块包括自适应多尺度加噪层、判别模块卷积层、判别模块因果嵌入层、判别模块数据压缩层和分类层； 将观测图像数据、因果标签信息和因果图矩阵输入至因果解耦合模型中，观测图像数据通过编码模块卷积层得到卷积表征，卷积层表征和因果标签信息及因果图矩阵一并输入编码模块因果嵌入层进行计算，再经过编码模块数据压缩层后获得因果隐向量特征；因果隐向量特征先经过解码模块数据解码层得到解码表征，解码表征和因果标签信息及因果图矩阵一并输入解码模块因果嵌入层进行计算，再经过解码模块逆卷积层后获得重建数据；将重建数据和观测图像数据分别送入自适应多尺度加噪层后得到加噪后的重建数据和观测图像数据，加噪后的重建数据和观测图像数据同时经过判别模块卷积层得到卷积特征，卷积特征和因果标签信息及因果图矩阵一并输入判别模块因果嵌入层进行计算，再依次经过判别模块数据压缩层和分类层后输出真伪判别概率； 3将测试集中的观测图像数据、因果标签信息和经过训练后的因果图矩阵送入训练好的观测数据编码模块以获取因果隐向量特征，选择需要干预的因果变量，计算其干预值，以对因果隐向量特征中对应的因果变量进行修改，得到干预后的因果隐向量特征，并将其送入训练好的观测数据解码模块，得到反事实干预数据。

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之江实验室，其通讯地址为：311121 浙江省杭州市余杭区文一西路2880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。