龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：武汉大学
摘要：本发明提出了一种基于模型隐藏的所有权确认方法。为保护和确认模型所有者知识产权问题，通过利用深度学习网络的双向训练能力，模型架构能够转置的性质，与反向模型的功能能够仅被模型所有者识别的特点，基于空间索引为反向任务标识数据，实现有效的数据记忆与提取，提供一种新的模型所有权确认方式。
主权项：1.一种基于模型隐藏的所有权确认方法，其特征在于，包括一下步骤：步骤1，收集与项目目标相符的图像或者情感分类文本数据集并进行预处理；步骤2，构建空间索引，使数据集中每个图片具有唯一的索引表示；步骤3，分析初始深度神经网络模型架构并设计转置模型架构，具体过程如下：记录深度神经网络模型架构每层操作及其顺序，每层的权重矩阵；将深度神经网络模型架构的层序列反转，转置每层的权重矩阵，得到转置模型架构，转置后的模型操作包括：对于全连接层，使用转置权重进行矩阵乘法；卷积层，使用转置卷积；池化层，使用上采样；激活函数，保持不变或选择合适的激活函数；深度神经网络模型架构的输入作为转置模型的输出，深度神经网络模型架构的输出作为转置模型的输入；定义转置模型架构的记忆训练目标，即转置模型架构被训练来从其对应的空间索引表示生成特定样本，目标是最小化生成特定样本和期望样本之间的损失；步骤4，基于权重共享对步骤3中的模型进行双向训练，直到模型训练完毕，转置模型隐藏于正向模型中。
全文数据：
权利要求：
百度查询： 武汉大学 基于模型隐藏的所有权确认方法、设备及计算机可读介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号