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！

龙图腾网获悉北京工业大学申请的专利基于先验正则化的大批量图像重建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：CN115908600B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202211092335.1，技术领域涉及：G06T11/60；该发明授权基于先验正则化的大批量图像重建方法是由黄云波;杨震;陈渝文设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本基于先验正则化的大批量图像重建方法在说明书摘要公布了：本发明涉及一种基于先验正则化的大批量图像重建方法，用于在联邦学习中使用交换的梯度信息重建用于训练的图像。首先作为普通参与者参与协同学习获取协同学习的模型结构以及在训练过程中接收到的梯度信息；生成值为随机值的模拟图像，将该模拟图像输入到获得的模型中得到损失，再根据损失进行反向传播得到模拟梯度；使用模拟梯度去拟合全局模型的原始梯度，将模拟梯度和原始梯度的距离作为损失来优化模拟图像；在优化的过程中，根据图像的先验知识生成先验知识正则项，使用先验知识正则项指导优化过程的进行，使得优化过程的准确度与速度大幅提升。本发明能够只使用梯度信息就大批量的、高像素匹配度的重建生成梯度的图像。

本发明授权基于先验正则化的大批量图像重建方法在权利要求书中公布了：1.基于先验正则化的大批量图像重建方法，其特征在于：包含以下步骤，步骤1参与者作为普通用户参与联邦学习获取联邦学习训练的全局模型F，W为全局模型的参数； 步骤2参与者将获取到的全局模型F作为本地训练的对抗神经网络模型中的判别器模型D，以此判别器在本地训练一个相对应的生成器G；将生成器G每次生成的图片输入至判别器D中进行评分，并将评分结果作为生成器的损失，使用梯度下降算法优化该生成器； 步骤3参与者用训练好的生成器G生成一批图片，这批图片的大小与数量与需要重建的那批图片相同，将这批生成的图片作为模拟数据x'； 步骤4参与者根据全局模型F获取原始梯度根据模拟数据获取模拟梯度 步骤5参与者使用得到的模拟梯度与原始梯度求损失，使用梯度下降算法来缩小原始梯度与模拟梯度之间的距离从而缩小模拟数据与原始数据之间的距离，并使用滤波核计算模拟图片的光滑度以此约束优化的方向，优化过程的目标函数为： 其中α为超参数，用以控制重建图片的光滑度对重建优化过程的权重；°表示阿达马乘积；x'i,j,k表示x'在i,j,k位置的像素值；表示滤波核；sum表示矩阵中所有元素的和；abs表示对矩阵的每个元素值取绝对值；X表示以x'i,j,k为中心元素为窗口大小的矩阵，优化完成的模拟数据x'*就是重建数据；其中l为交叉熵损失函数。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。

以上内容由龙图腾AI智能生成。