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！

龙图腾网获悉湖南大学申请的专利图像分类方法、终端设备及存储介质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：CN116486149B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202310420870.3，技术领域涉及：G06V10/764；该发明授权图像分类方法、终端设备及存储介质是由胡玉鹏;梁其壮;旷文鑫;徐旸;靳文强;胡桥;廖鑫设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本图像分类方法、终端设备及存储介质在说明书摘要公布了：本发明公开了一种图像分类方法、终端设备及存储介质。步骤一、使用PGD算法来将用于训练分类模型的数据集构造为对抗训练数据集。二、构建需要增强鲁棒性的深度学习分类网络模型。三、构造FGAC模块，该模块包括空间与通道的重要性获取与对抗激活抑制两个部分，再将FGAC模块嵌入到构建好的深度学习分类模型网络之中，并串联多个FGAC模块来获得鲁棒性的进一步增强。步骤四、通过调整损失函数，将标准的损失函数化为模型总体训练损失函数来使FGAC模块与分类模型网络一同训练，获得增强鲁棒性的分类模型。本发明可以在对抗训练的过程中抑制影响模型精度的通道的激活，从而在对抗训练提高模型鲁棒性的同时，减少对模型精度的影响。

本发明授权图像分类方法、终端设备及存储介质在权利要求书中公布了：1.一种图像分类方法，其特征在于，包括以下步骤： S1、获取图像数据，利用所述图像数据生成对抗样本； S2、将生成的对抗样本作为卷积神经网络的输入，训练所述卷积神经网络，得到图像分类器； 其中，所述卷积神经网络包括输入层和输出层，所述输入层包括多个串联的卷积层，最后一个卷积层通过至少两个串联的激活压缩模块与输出层连接； 所述激活压缩模块包括特征对输入的特征进行包括如下步骤的处理： 1对输入所述激活压缩模块的输入特征图进行卷积操作，获得中间特征图； 2确定输入特征图对应的真实标签的类别c，根据类别c找到其对应的中间特征图，获取计算中间特征图所使用的卷积核参数； 3利用所述卷积核参数对所述输入特征图进行特征抑制，得到抑制后的特征图； 步骤1中，中间特征图O的以m，n为索引的中间输出特征值的表示为： 其中，分别表示激活压缩模块输入特征图的高度、宽度和通道数，是大小为的卷积核，表示输入特征图的第i+m行第j+n列的特征值。

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湖南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路28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。