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！

龙图腾网获悉西北工业大学申请的专利一种边缘辅助的多终端模型在线更新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：CN115908966B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202211265885.9，技术领域涉及：G06V10/774；该发明授权一种边缘辅助的多终端模型在线更新方法是由於志文;王乐豪;于昊艺;刘思聪;郭斌设计研发完成，并于2022-10-17向国家知识产权局提交的专利申请。

本一种边缘辅助的多终端模型在线更新方法在说明书摘要公布了：本发明涉及一种边缘辅助的多终端模型在线更新方法，属于视频分析技术领域。首先根据对视频数据进行筛选，然后对冗余的视频帧进行过滤，终端将最终筛选出来的视频帧上传至边缘服务器，在边缘服务器端，通过部署一个未压缩的目标检测模型对视频帧进行检测，并使用其检测结果作为这些视频帧的伪标签，通过伪标签的分类置信分数选择那些置信度高的伪标签作为模型重训练的数据集。采用任务调度算法合理对多个任务的执行顺序进行调度并分配恰当的计算和显存资源，当重训练完成后，边缘服务器将终端模型参数传回至终端并进行终端压缩模型的替换，终端使用更新后的模型进行后续的视频分析。

本发明授权一种边缘辅助的多终端模型在线更新方法在权利要求书中公布了：1.一种边缘辅助的多终端模型在线更新方法，其特征在于步骤如下： 步骤1：终端设备在利用压缩后的目标检测模型进行实时视频分析的同时，会对真实场景中的视频数据进行筛选，选择出用于终端模型重训练的视频帧；具体而言，由于实时视频流与模型训练数据之间的特征分布差异以及场景变异因子对于模型精度有着非常重要的影响，因此定义场景变化的衡量指标d： 其中，Vc表示视频流与模型训练数据的类别c的特征分布差异值，a表示视频帧中目标之外的平均像素值，和分别表示模型训练数据与实时视频流的数据特征， 表示计算一阶矩，σ·表示计算标准差，||·||2表示计算L2范数； 筛选出场景变化d低于阈值的视频帧用于终端模型的重训练； 步骤2：为了进一步减少在线学习的时间，针对步骤1中选择的视频帧，首先对冗余的视频帧进行过滤，然后使用一种基于视频内容的视频帧选择算法选择对模型重训练的精度增益贡献度最大的视频帧上传至服务器端，用于后续模型的在线学习； 步骤3：终端将最终筛选出来的视频帧上传至边缘服务器，在边缘服务器端，通过部署一个未压缩的目标检测模型对视频帧进行检测，并使用其检测结果作为这些视频帧的伪标签，用于后续压缩模型的重训练； 步骤4：在终端模型重训练的过程中，为不同的终端设备预生成最佳量化策略；基于得到的量化策略，评估压缩模型每个层的冗余程度，冻结冗余程度高于设定阈值的网络层，使其不参与训练； 步骤5：通过计算模型参数、中间结果、反向传播梯度、优化器以及底层库所占用的显存资源来预测该任务下模型重训练所需的显存；利用视频帧和几个训练周期来拟合训练周期与推精度的非线性曲线；利用一个轻量化的三层神经网络构建终端重训练时间和终端模型重训练特征之间的影响，以模型大小，重训练数据量、参与重训练的模型层数、重训练周期和批大小作为输入，得到终端模型的重训练耗时； 步骤6：根据步骤5中预测的重训练任务信息，采用调度算法来选择合适的任务放入GPU中执行； 步骤7：对GPU中进行的多个任务进行资源分配；对于显存资源而言，按照任务属性中的显存预测为其分配足够的显存资源；对于计算资源而言，第i个任务所得到的计算资源Ci为： 其中，N为GPU中进行的任务数量，Cst表示GPU的可用计算资源；tri表示终端模型所需的重训练时间； 步骤8：当重训练完成后，边缘服务器将终端模型参数传回至终端并进行终端压缩模型的替换，终端使用更新后的模型进行后续的视频分析。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。