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！

龙图腾网获悉华中科技大学申请的专利一种针对目标检测器的通用测评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：CN119600273B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411745052.1，技术领域涉及：G06V10/25；该发明授权一种针对目标检测器的通用测评方法和系统是由胡胜山;李博文;周子淇;李明慧;万伟设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本一种针对目标检测器的通用测评方法和系统在说明书摘要公布了：本发明公开了一种针对目标检测器的通用测评方法，其从目标检测器的输出中为每个真实物体平均分配固定数量的候选框作为攻击目标，一方面在空域中通过候选框坐标归0攻击和前景‑背景分离攻击来改变预测框的位置、大小和标签；另一方面在频域中聚焦图像的高频信息，将噪声集中在代表语义的高频区域。在两个角度上提升攻击效果和对抗样本的隐蔽性，保证评测方法的准确性。本发明能够解决现有基于扰动的攻击方法和基于补丁的攻击方法无法评测所有的目标检测器的技术问题，以及现有基于扰动的攻击方法由于产生的是图像级全局扰动，通过对非关键对象进行攻击优化会产生不必要的计算成本、易于被人类所感知到的技术问题。

本发明授权一种针对目标检测器的通用测评方法和系统在权利要求书中公布了：1.一种针对目标检测器的通用测评方法，其特征在于，包括如下步骤： 1获取图像x，将获取的图像x输入到待测评的目标检测器，以得到多个候选框，从分类和回归两个角度分别从所有候选框中选择k个边界框，分别作为回归角度的攻击目标和分类角度的攻击目标；步骤1包括以下步骤： 1-1获取图像x，将获取的图像x输入待测评的目标检测器，以得到多个候选框，以及每个候选框的位置坐标和类别预测分数集合，将类别预测分数集合中最高的类别预测分数对应的类别作为该候选框的预测类别； 1-2针对步骤1-1获取的所有候选框而言，计算其中每个候选框与其对应的真实目标框的交并比IoU分数，根据获取的IoU分数从大到小的顺序对所有候选框进行排列； 1-3根据步骤1-1得到的所有候选框的预测类别，从步骤1-2得到的排列结果中筛选出其预测类别与对应的真实目标框的标签完全一致的多个候选框； 1-4从步骤1-2得到的排列结果中选择排名前k位的候选框，作为回归角度的攻击目标；其中k的取值范围是5到50； 1-5从步骤1-3得到的多个候选框中选择排名前k位的候选框，作为分类角度的攻击目标； 2根据步骤1得到的回归角度的攻击目标和分类角度的攻击目标计算空域部分的损失函数，根据图像x计算频域部分的损失函数，利用得到的空域部分的损失函数和频域部分的损失函数对扰动δ进行迭代训练，直到达到最大迭代次数为止，从而得到对抗样本，并将该对抗样本输入待测评的目标检测器，以得到待测评的目标检测器的检测结果；步骤2包括以下步骤： 2-1针对步骤1-4和1-5得到的所有候选框中的每一个候选框而言，将该候选框的左上角坐标和右下角坐标向原点坐标0,0靠近，以得到该候选框对应的、空域中的回归损失函数Jloc； 2-2针对步骤1-4和1-5得到的所有候选框中的每一个候选框而言，根据步骤1-1中得到的该第n个候选框的类别预测分数集合获取该第n个候选框对应的、空域中的分类损失函数Jcls，其中表示第n个候选框对应的真实目标框的标签的类别预测分数，K表示预先设置的待测评的目标检测器可检测的类别总数，表示第n个候选框对应的第K个类别的类别预测分数，该第K个类别就是背景； 2-3针对步骤1-4和1-5得到的所有候选框中的每一个候选框而言，将步骤2-1得到的该第n个候选框对应的回归损失函数Jloc和步骤2-2得到的该第n个候选框对应的分类损失函数Jcls按比例进行相加，以得到该第n个候选框对应的、空域部分的损失函数Jsa； 2-4采用离散小波变换DWT方法将图像x分解为一个低频成分xll、一个高频成分xhh和两个中频成分xlh和xhl； 2-5使用逆离散小波变换IDWT方法对步骤2-4得到的低频成分xll和高频成分xhh进行信号重构，以得到重构后的图像； 2-6获取添加扰动δ后的对抗样本x+δ，并使用上述步骤2-4和2-5的公式对该添加扰动δ后的对抗样本x+δ进行处理，以分别获取低频部分重构后的对抗样本φx+δ和高频部分重构后的对抗样本ψx+δ； 2-7根据步骤2-5和2-6得到的低频部分重构后的对抗样本φx+δ、低频部分重构后的图像φx、高频部分重构后的对抗样本ψx+δ、高频部分重构后的图像ψx获取频域损失函数Jfa； 2-8将步骤2-3得到的空域损失函数、以及步骤2-7得到的频域损失函数相加，以得到总损失函数Jtotal，并根据总损失函数Jtotal、并利用梯度下降优化扰动δ，以得到优化后的扰动； 2-9对步骤2-8得到的优化后的扰动进行裁剪，以得到裁剪后的扰动； 2-10使用步骤2-8的损失函数Jtotal对步骤2-9得到的裁剪后的扰动进行迭代优化，直到达到最大迭代次数epoch为止，从而得到最后优化后的扰动，并将最后优化后的扰动与图像x组合为对抗样本； 2-11对步骤2-10得到的对抗样本进行裁剪处理，以得到裁剪后的对抗样本； 2-12将步骤2-11得到的裁剪后的对抗样本输入待测评的目标检测器进行检测，以得到检测结果。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037号华中科技大学；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。