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！

龙图腾网恭喜西北工业大学申请的专利基于跨任务学习的目标检测模型鲁棒性测试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：CN119357066B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202411906553.3，技术领域涉及：G06F11/3668；该发明授权基于跨任务学习的目标检测模型鲁棒性测试方法是由张艳宁;王鹏;王文萱;齐慧慧设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于跨任务学习的目标检测模型鲁棒性测试方法在说明书摘要公布了：本发明提供了一种基于跨任务学习的目标检测模型鲁棒性测试方法，语义分割模型提取得到特征为教师特征，目标检测模型提取得到特征为学生特征，采用查询‑键注意力机制来评估教师特征和学生特征之间的相似度，采用历史梯度稳定策略稳定梯度的优化过程，通过冲突梯度投影，对冲突梯度方向进行调整，并结合交替联合任务元优化获得更好的梯度兼容性，提高测试性能。本发明实现了从语义分割任务中蒸馏出目标检测任务所需的多样化且相关性强的梯度信息，使目标检测模型能够学习到更为通用和鲁棒的特征，进一步稳定和优化了梯度的方向，提高了模型鲁棒性测试的性能。

本发明授权基于跨任务学习的目标检测模型鲁棒性测试方法在权利要求书中公布了：1.一种基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于包括如下步骤：步骤1：一张目标图片经过语义分割模型，得到一组教师特征集再将该目标图片输入目标检测模型的骨干网络，得到学生特征集I和J分别表示来自教师和学生的特征数，每个特征都具有自己的特征图大小和通道维度；步骤2：采用查询-键注意力机制确定任一组教师特征和学生特征之间的关联度值；每个教师特征生成一个查询qi，每个学生特征则被识别为一个键kj，通过使用查询和键，计算出教师和学生特征之间关联度值；步骤3：对教师特征和学生特征进行通道平均池化操作；步骤4：信息增强代理模型训练损失函数LStudent最终表示如下：LStudent＝LDet+λLAFD其中，LDet表示目标检测模型的分类和回归损失，而超参数λ为蒸馏损失对总损失的影响的权重参数，LAFD表示蒸馏项损失；在训练过程中，目标检测模型和基于查询-键注意力机制的网络同时接受总损失的指导，以共同提升模型的性能；训练得到两个目标检测白盒代理模型，分别表示为模型F和模型R，代理模型集为U＝{F,R}；步骤5：建立对应代理模型在模型鲁棒性测试阶段相应的损失函数；步骤6：为了生成测试样本，通过添加改动，对输入样本x中的像素进行迭代修改；步骤7：定义一个内部迭代次数N，然后计算N次改动，并记录改动对应梯度；步骤8：将N次计算得到的改动添加到输入样本x中以生成测试样本，并将计算结果传递到另一个模型R中计算其相应的梯度；步骤9：对梯度和逐梯度对应应用冲突梯度投影技术，即： 其中，n∈[1,N]，从而得到模型R应用冲突梯度投影技术后的梯度组表示第N次计算得到的改动对应的梯度值，表示将第N次计算得到的改动添加到攻击图像中，并传递到分支R时计算得到的梯度值；步骤10：汇总所有梯度信息更新模型R上的改动∈″，计算公式如下： 其中，γ2、γ3是更新超参数，α是学习率，∈″是每次迭代的改动的输出，Sign·函数表示返回输入数据的符号，表示迭代中第一次选择分支为F时内部迭代至第N次计算得到的改动，达到最大外部迭代次数后，得到最终的改动结果，添加到原始图像上后得到所需的测试样本。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。