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！

龍圖騰網獲悉西北工業大學申請的專利一種邊緣輔助的多終端模型在線更新方法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：CN115908966B 。

龍圖騰網通過國家知識產權局官網在2025-08-15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：202211265885.9，技術領域涉及：G06V10/774；該發明授權一種邊緣輔助的多終端模型在線更新方法是由於志文;王樂豪;于昊藝;劉思聰;郭斌設計研發完成，并于2022-10-17向國家知識產權局提交的專利申請。

本一種邊緣輔助的多終端模型在線更新方法在說明書摘要公布了：本發明涉及一種邊緣輔助的多終端模型在線更新方法，屬于視頻分析技術領域。首先根據對視頻數據進行篩選，然后對冗余的視頻幀進行過濾，終端將最終篩選出來的視頻幀上傳至邊緣服務器，在邊緣服務器端，通過部署一個未壓縮的目標檢測模型對視頻幀進行檢測，并使用其檢測結果作為這些視頻幀的偽標簽，通過偽標簽的分類置信分數選擇那些置信度高的偽標簽作為模型重訓練的數據集。采用任務調度算法合理對多個任務的執行順序進行調度并分配恰當的計算和顯存資源，當重訓練完成后，邊緣服務器將終端模型參數傳回至終端并進行終端壓縮模型的替換，終端使用更新后的模型進行后續的視頻分析。

本發明授權一種邊緣輔助的多終端模型在線更新方法在權利要求書中公布了：1.一種邊緣輔助的多終端模型在線更新方法，其特征在于步驟如下： 步驟1：終端設備在利用壓縮后的目標檢測模型進行實時視頻分析的同時，會對真實場景中的視頻數據進行篩選，選擇出用于終端模型重訓練的視頻幀；具體而言，由于實時視頻流與模型訓練數據之間的特征分布差異以及場景變異因子對于模型精度有著非常重要的影響，因此定義場景變化的衡量指標d： 其中，Vc表示視頻流與模型訓練數據的類別c的特征分布差異值，a表示視頻幀中目標之外的平均像素值，和分別表示模型訓練數據與實時視頻流的數據特征， 表示計算一階矩，σ·表示計算標準差，||·||2表示計算L2范數； 篩選出場景變化d低于閾值的視頻幀用于終端模型的重訓練； 步驟2：為了進一步減少在線學習的時間，針對步驟1中選擇的視頻幀，首先對冗余的視頻幀進行過濾，然后使用一種基于視頻內容的視頻幀選擇算法選擇對模型重訓練的精度增益貢獻度最大的視頻幀上傳至服務器端，用于后續模型的在線學習； 步驟3：終端將最終篩選出來的視頻幀上傳至邊緣服務器，在邊緣服務器端，通過部署一個未壓縮的目標檢測模型對視頻幀進行檢測，并使用其檢測結果作為這些視頻幀的偽標簽，用于后續壓縮模型的重訓練； 步驟4：在終端模型重訓練的過程中，為不同的終端設備預生成最佳量化策略；基于得到的量化策略，評估壓縮模型每個層的冗余程度，凍結冗余程度高于設定閾值的網絡層，使其不參與訓練； 步驟5：通過計算模型參數、中間結果、反向傳播梯度、優化器以及底層庫所占用的顯存資源來預測該任務下模型重訓練所需的顯存；利用視頻幀和幾個訓練周期來擬合訓練周期與推精度的非線性曲線；利用一個輕量化的三層神經網絡構建終端重訓練時間和終端模型重訓練特征之間的影響，以模型大小，重訓練數據量、參與重訓練的模型層數、重訓練周期和批大小作為輸入，得到終端模型的重訓練耗時； 步驟6：根據步驟5中預測的重訓練任務信息，采用調度算法來選擇合適的任務放入GPU中執行； 步驟7：對GPU中進行的多個任務進行資源分配；對于顯存資源而言，按照任務屬性中的顯存預測為其分配足夠的顯存資源；對于計算資源而言，第i個任務所得到的計算資源Ci為： 其中，N為GPU中進行的任務數量，Cst表示GPU的可用計算資源；tri表示終端模型所需的重訓練時間； 步驟8：當重訓練完成后，邊緣服務器將終端模型參數傳回至終端并進行終端壓縮模型的替換，終端使用更新后的模型進行后續的視頻分析。

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西北工業大學，其通訊地址為：710072 陜西省西安市友誼西路；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”。