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！

龙图腾网获悉之江实验室申请的专利一种基于梯度的样本学习难度度量方法及装置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：CN114492736B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202111658842.2，技术领域涉及：G06V10/82；该发明授权一种基于梯度的样本学习难度度量方法及装置是由张吉;吴偶;祝蔚瑶;朱玉;许增辉设计研发完成，并于2021-12-30向国家知识产权局提交的专利申请。

本一种基于梯度的样本学习难度度量方法及装置在说明书摘要公布了：本发明公开了一种基于梯度的样本学习难度度量方法及装置，根据给定训练样本，构建一个深度神经网络，并使用随机梯度下降作为优化策略进行一次完整训练；记录这次完整训练中，K次迭代的Softmax层前一层的梯度向量；依次计算每个样本K次迭代的梯度向量的模，均值和方差；将所得均值和方差进行加权相加，并用以度量对应样本的相对学习难度；使用局部异常因子（LoF k ）对各样本的梯度向量的模的均值和方差组成的数组进行分析，视局部异常因子数值大于1的样本为异常点。针对异常点，构建一个logistic回归模型。利用上述构建的logistic回归模型，找到使异常点的局部异常因子最大的加权参数。

本发明授权一种基于梯度的样本学习难度度量方法及装置在权利要求书中公布了：1.一种基于梯度的样本学习难度度量方法，其特征在于包括如下步骤： S1，采集图像数据作为训练样本，构建深度神经网络，并采用随机梯度下降进行训练； S2，使用深度神经网络，对图像样本进行一次完整训练；记录每个图像样本在一次训练过程中K次迭代的Softmax层前一层的梯度向量； S3，计算每个图像样本K次迭代的梯度的模；模表示为|·|表示模运算； S4，基于每个图像样本K次迭代的梯度的模，得到每个图像样本的学习难度度量；基于每个样本K次迭代的梯度的模求得梯度的均值和方差根据均值和方差得到每个样本的学习难度度量，包括如下步骤： S41，均值： S42，方差： S43，图像样本的学习难度度量：μ表示超参数； S5，在给定样本邻域内样本数和加权参数下，以两个图像样本之间的学习难度差距为距离度量，求得每个图像样本的局部异常因子，根据异常因子确定异常点；具体包括如下步骤： S51，基于两个图像样本xi与xj之间学习难度差距为 以及给定的样本邻域内样本数k，自定义的加权参数μ，计算样本xi距离第k近的样本的距离； S52，定义第k距离邻域Nkxi，即样本xi的第k距离内所有样本； S53，给出可达距离reach-distancekxi,xj，即若样本xj在Nkxi内，则可达距离为样本xi的第k距离，否则为两样本真实距离； S54，计算局部可达密度： 局部可达密度越小，其为异常点的可能性越大； S55，计算局部离散因子： 当LoFk1时，所述数据对应的图像样本为异常点； S6，针对异常点，构建线性回归模型，找到使异常点的局部异常因子最大的参数，并对其进行调节，使学习难度更高的图像样本作为异常点，与其他图像样本区分开。

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之江实验室，其通讯地址为：311100 浙江省杭州市余杭区中泰街道之江实验室南湖总部；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”。