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！

龙图腾网恭喜电子科技大学申请的专利一种增强图像分类鲁棒性的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：CN112926661B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202110222508.6，技术领域涉及：G06V10/764；该发明授权一种增强图像分类鲁棒性的方法是由牛伟纳;丁康一;张小松;张钶旋;李信强;孙逊设计研发完成，并于2021-02-26向国家知识产权局提交的专利申请。

本一种增强图像分类鲁棒性的方法在说明书摘要公布了：本发明属于计算机软件领域，具体为一种增强图像分类鲁棒性的方法，能够增强分类模型的抗干扰性与鲁棒性。目的在于能够防御大多数传统白盒对抗样本的攻击。主要包括，对抗样本检测网络生成模块：通过在原始分类器基础上添加神经网络层来构建一个对抗样本检测网络该网络主要识别对抗样本；判断阈值生成模块：利用常用的对抗样本方法来找到对抗样本检测网络合适的判断阈值。增强模型生成模块：在原始模型的图像分类器的分类基础上，结合前述检测网络的分类结果进一步训练得到一个增强的图像分类器，最后利用增强后的图像分类器来进行图像的分类，从而提高分类器的鲁棒性。

本发明授权一种增强图像分类鲁棒性的方法在权利要求书中公布了：1.一种增强图像分类鲁棒性的方法，其特征在于，包括：对抗样本检测网络生成模块:获取原始图像分类器的结构，获取最后一个全连接层之前的隐层，在此基础上添加几个全连接层形成图像检测网络，图像检测网络的最后一层将映射成原始图像的大小，通过优化原始图像和图像检测网络输出图像的L2距离来训练检测检测网络；判断阈值生成模块：利用常用的对抗样本方法生成一定数量的对抗样本，结合正常的图像数据集，得到判断阈值n；增强模型生成模块：在原始图像分类结果基础上，结合前述图像检测网络进一步训练得到一个增强模型，该增强后的图像分类结果作为最终的图像分类结果;检测网络生成模块中：S4.1、训练网络过程中，以最小化检测网络输出的重构图像与原始图像的L2距离为目标函数，迭代训练；S4.2、对全连接层layer1输出进行组合操作，按照神经元的顺序两两组合，即将2个神经元的对应输出相加，与layer2层全连接时，传入的数据为最后组合后的输出；S4.3、最终检测网络的输出为原始图像大小的重构图像;上述方案中，训练判断阈值生成模块有如下特征：生成判断阈值时采用如下步骤：S5.1:使用正常图像数据集以及不低于正常图像数据集15%-25%数量的对抗样本图像进行组合得到图像数据集;S5.2:将图像数据集传入对抗样本检测网络，并得到检测网络的输出的重构图像集；S5.3：计算所有输出的重构图像与对应输入的图像数据的L2距离，记Lmax为最大值，Lmin为最小值；S5.4：置参数n为Lmin；S5.5：统计在当前参数n的条件下所有正确图像样本中判定为对抗样本图像的概率tf，以及所有判定为对抗样本图像中实际是对抗样本图像的概率fp，记，代表第i次搜索时阈值的有效性；S5.6:当n的值不大于Lmax时则更新,并执行S5.5步骤，反之则执行S5.7，其中K为迭代次数；S5.7：找出使得最大的n的取值，置;增强图像分类器生成模块中增强图像分类器的输入构建步骤如下：S6.1.对于每一个图像数据输入，i代表第i个输入数据，首先计算出与图像检测网络的输出的L2距离，当时，设置对应的为1，否则设置为0，代表的检测网络对其的分类结果；S6.2.对于每个将其对应原始模型没有经过softmax层处理的logits层的输出结果与构建成后续增强模型的训练数据，该输入数据即是在原始输出结果上添加了检测网络的判定结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。