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！

龙图腾网获悉深圳大学申请的专利一种基于标签噪声感知策略的弱监督视频异常检测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：CN120071213B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510064285.3，技术领域涉及：G06V20/40；该发明授权一种基于标签噪声感知策略的弱监督视频异常检测方法是由易颖欣;李霞;梁荣钦;李元满设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于标签噪声感知策略的弱监督视频异常检测方法在说明书摘要公布了：本发明涉及一种基于标签噪声感知策略的弱监督视频异常检测方法，包括以下步骤：S1、视频特征提取；首先，将视频的连续16帧作为一个片段输入到特征提取器，生成尺寸为32×256×512的特征图，随后，将异常类型的文本信息编码为32×256×14的文本嵌入，其中异常类型共有14种，通过利用异常类型的文本嵌入与对应的视频帧特征进行匹配，并根据匹配相似性推断生成伪标签，本发明从标签噪声学习的视角出发，突破传统自训练范式的局限，打破了传统视频异常检测自训练框架的固有模式，提出了一种使用端到端方式在线生成伪标签的方法，解决了视频异常检测伪标签中的误差累积性、噪声敏感性问题。

本发明授权一种基于标签噪声感知策略的弱监督视频异常检测方法在权利要求书中公布了：1.一种基于标签噪声感知策略的弱监督视频异常检测方法，其特征在于，包括以下步骤： S1、视频特征提取； 首先，将视频的连续16帧作为一个片段输入到特征提取器，生成特征图，随后，将异常类型的文本嵌入，通过利用异常类型的文本嵌入与对应的视频帧特征进行匹配，并根据匹配相似性推断生成伪标签； S2、伪标签的在线生成； 首先，通过将视频特征与文本输入到预测模块中，进行相似度匹配度计算，生成异常分数图，接着，为了增强上下文信息的传播并提高伪标签生成的质量，将视频特征输入到知识传播模块，在该模块中，利用期望最大化算法来提取代表性片段，并通过随机游走算法更新视频特征，最后，将更新后的视频特征再次输入预测模块，生成最终伪标签； S3、网络的监督学习； 设计一个多阶段训练策略的网络，该网络训练分为两个阶段：预热阶段和主学习阶段； 预热阶段： 为了避免网络训练初期对噪声标签过度拟合，引入一个正则项惩罚网络输出的置信度，并将置信度惩罚正则化项R表述为： ， 其中，代表对样本进行预测时，输出置信度第二高的类别所对应的概率值，在标签含有噪声的情况下，认为类别j是噪声样本的真实类别； ， 其中是噪声标签自适应惩罚权重系数,是置信度阈值的超参数，y是对应样本的真实标签，是当前模型预测的类别，当网络对y类自信时，则会受到惩罚； 主学习阶段： 通过利用提出的记忆库模块，根据记忆库中存储的历史预测类别是否在最近两次预测中一致的策略，筛选出干净样本，直接使用这些样本进行训练存在会忽略视频片段之间上下文关系的情况，引入LSTM来建模视频片段之间的时间依赖关系，并将其用于当前epoch的网络训练，同时，记忆库模块会随着训练的进行动态更新； 设计了一项正则化项，以对样本的置信度输出分布进行惩罚，从而提升模型的鲁棒性： ， 其中通过前文公式计算，K是类型数量，k为模型预测类别，是模型预测类别的对应概率，正则化项通过最小化每个类的损失期望来惩罚模型的置信输出，此外，表示选定的样本，主学习阶段的损失函数表示为： ， 其中为交叉熵损失函数，表示模型生成的最终伪标签，表示对应样本的真实标签，为损失权重超参数。

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深圳大学，其通讯地址为：518000 广东省深圳市南山区南海大道3688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。