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！

龙图腾网恭喜南京大学申请的专利面向神经网络视觉系统的图像数据输入检测方法和系统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：CN114863178B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210522508.2，技术领域涉及：G06V10/764；该发明授权面向神经网络视觉系统的图像数据输入检测方法和系统是由徐经纬;许畅;朱思远设计研发完成，并于2022-05-13向国家知识产权局提交的专利申请。

本面向神经网络视觉系统的图像数据输入检测方法和系统在说明书摘要公布了：本发明公开一种面向神经网络视觉系统的图像数据输入检测方法和系统，给定神经网络模型和其训练图像数据集，传入训练图像数据集到神经网络模型并收集中间结果，得到神经网络隐含特征；使用高斯混合模型对中间结果进行拟合，获取模型参数，并收集训练图像数据集路径频次计算概率；将待测图像数据输入到神经网络模型中，按照如步骤一的方法收集中间结果；使用步骤二中的高斯混合模型计算中间结果的生成概率和层间转移概率，并使用联合概率估计模型进行快速概率估计，验证输入待测图像数据是否有效。

本发明授权面向神经网络视觉系统的图像数据输入检测方法和系统在权利要求书中公布了：1.一种面向神经网络视觉系统的图像数据输入检测方法，其特征在于，包括如下步骤：步骤一：神经网络隐含特征提取；给定神经网络模型和其训练图像数据集，传入训练图像数据集到神经网络模型并收集中间结果，得到神经网络隐含特征；步骤二：表示空间联合概率建模；使用高斯混合模型对中间结果进行拟合，获取模型参数，并收集训练图像数据集路径频次计算概率；步骤三：联合概率估计模型；将待测图像数据输入到神经网络模型中，按照如步骤一的方法收集中间结果；使用步骤二中的高斯混合模型计算中间结果的生成概率和层间转移概率，并使用联合概率估计模型进行快速概率估计，验证输入待测图像数据是否有效；所述步骤二中，构建联合概率模型需要两个步骤，首先利用步骤一产生的中间层隐含特征建立一个基于概率图的生成式模型；然后将中间层特征映射到离散空间中，得到图像数据样本在相邻中间层的转移概率；所述表示空间指中间层隐含特征的数据空间，包含模型输入数据的中间表示特征；所述的对中间层隐含特征分别进行拟合是使用高斯混合模型建立中间层隐含特征的概率分布模型；使用期望-最大化算法在第u个中间层输出上建立高斯混合模型，得到K1个高斯分量的参数Θi以及每个高斯分量的权重Φi；概率图模型中的参数Φi和Θi是评估图像数据异常概率的基础材料。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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”。