龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：浙江大学
摘要：本发明公开一种基于交通标志分类系统的模型反演方法，分为辅助数据集增强、生成器预训练和隐私数据重建。在生成器预训练中，使用无标签的交通标志数据上训练一个带梯度惩罚的WGAN模型，包括一个生成器和一个判别器。在隐私数据重建中，将生成器预训练过程中已经完成训练的判别器替换成交通标志目标分类器，把生成器的生成结果输入目标分类器中得到一个分类置信度输出，通过梯度下降微调生成器，最终生成器能够从一段随机噪声生成重建的交通标志数据。根据重建数据推断出交通标志分类系统对应的原始训练数据的相关信息，从而完成针对交通标志分类系统的模型反演。本发明使得模型反演在不依赖高质量的辅助数据集的情况下，也能得到良好的反演结果。
主权项：1.一种基于交通标志分类系统的模型反演方法，其特征在于，该方法包括如下步骤：步骤一：通过大语言模型查询交通标志分类的相关领域知识和交通标志不同类别的介绍，获得不同类别交通标志的描述提示词；结合提示词和已有的无标签的交通标志图像，通过文本到图像生成模型，生成更多无标签的交通标志图像，实现数据增强；步骤二：利用无标签的交通标注图像训练带梯度惩罚的生成对抗网络模型；所述生成对抗网络模型包括一个生成器和一个判别器，所述生成器是一个反卷积神经网络，由一个线性层和三个反卷积层组成；所述判别器是一个卷积神经网络，由五个卷积层和一个全连接层组成；所述生成器的输入为噪声样本，输出为根据噪声产生的假样本；所述判别器的输入为无标签的交通标志图像和生成器输出的假样本，通过构造生成器的损失函数和判别器的损失函数，完成对生成器和判别器的初次训练；步骤三：将已经完成训练的判别器替换为交通标志目标分类器，所述交通标志目标分类器的输入为训练后的生成器的生成结果，输出为分类置信度，计算输出的分类置信度和该输出对应的类别的one-hot编码的负对数似然损失，通过梯度下降继续二次训练生成器；步骤四：将一段随机噪声输入二次训练后的生成器，生成器输出重建的交通标志图像，完成交通标志分类系统的模型反演。
全文数据：
权利要求：
百度查询： 浙江大学 一种基于交通标志分类系统的模型反演方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号