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！

龙图腾网获悉中南大学申请的专利一种基于GDNN的工业视频全局稀疏对抗样本生成方法和设备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：CN117115587B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202311078685.7，技术领域涉及：G06V10/774；该发明授权一种基于GDNN的工业视频全局稀疏对抗样本生成方法和设备是由阳春华;邓文锋;黄科科;刘卫平;刘一顺;吴德浩;桂卫华设计研发完成，并于2023-08-25向国家知识产权局提交的专利申请。

本一种基于GDNN的工业视频全局稀疏对抗样本生成方法和设备在说明书摘要公布了：本发明公开了一种基于GDNN的工业视频全局稀疏对抗样本生成方法和设备，方法：获取良性的工业视频样本输入至GDNN；通过可控攻击成本和预设概率分布分别对GDNN两个分支解码器的输出处理，学习获得扰动强度矩阵和扰动位置矩阵，用于对良性视频样本扰动叠加处理得到全局稀疏对抗样本；将得到的全局稀疏对抗样本输入至视频识别模型，并根据识别结果和真实标签计算对抗损失，再考虑扰动位置的优化损失得到样本损失；最终基于所有样本损失训练GDNN得到对抗样本生成模型，用于对未知的工业视频样本进行处理，生成对应的全局稀疏对抗样本。本发明提高了对抗生成样本的全局稀疏性，降低扰动像素修改需求，从而节省通信资源。

本发明授权一种基于GDNN的工业视频全局稀疏对抗样本生成方法和设备在权利要求书中公布了：1.一种基于GDNN的工业视频全局稀疏对抗样本生成方法，其特征在于，包括： S1，获取良性的工业视频样本并进行帧序列离散化，输入至生成式深度神经网络GDNN，通过编码器提取视频的时空关联特征，通过两个分支解码器分别生成上分支输出和下分支输出；然后通过可控攻击成本对上分支输出进行值边界约束从而获得扰动强度矩阵，并根据预设概率分布对下分支输出进行二值化处理获得扰动位置矩阵；最后，使用扰动强度矩阵和扰动位置矩阵，对良性的工业视频样本进行扰动叠加处理最终得到全局稀疏对抗样本； S2，将S1得到的全局稀疏对抗样本输入至视频识别模型，得到识别结果，并根据识别结果和真实标签计算对抗损失；在对抗损失的基础上，再考虑扰动位置的优化损失，得到GDNN的全部损失； S3，基于全部损失训练GDNN得到对抗样本生成模型，并用于按步骤S1对未知的工业视频样本进行处理，生成对应的全局稀疏对抗样本； 所述生成式深度神经网络GDNN，其编码器主干网络使用残差神经网络与卷积神经网络相结合来捕获输入视频样本中所有帧的时空依赖关系，得到输入视频样本的潜在编码Zi； 其中，前端的卷积神经网络由若干个3D卷积网络层构成，后端的残差神经网络由若干个残差网络块构成，各残差网络块的映射函数表示为： 式中，Xi和表示第i个视频样本在残差网络块对应的输入和输出，H·；θResNet表示参数为θResNet的残差网络块的映射函数，I·表示恒等操作符； GDNN的上分支解码器表示为： 式中，表示参数为的上分支解码器的映射函数，是上分支解码器的输出，∈是可控攻击成本，Ei是扰动强度矩阵； GDNN的下分支解码器表示为： 式中，表示参数为的下分支解码顺路的映射函数，是下分支解码器的输出，ξ是概率变量，由预设概率分布P决定，τ是阈值变量；Mi是扰动位置矩阵。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。