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！

龙图腾网获悉中国人民解放军战略支援部队信息工程大学申请的专利基于深度神经网络的对抗样本生成方法及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：CN115830369B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202211481160.3，技术领域涉及：G06V10/764；该发明授权基于深度神经网络的对抗样本生成方法及系统是由张恒巍;李哲铭;张晓宁;米岩;孙鹏宇;李晨蔚;杨博;张畅;王晋东;谭晶磊;刘小虎;张玉臣设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本基于深度神经网络的对抗样本生成方法及系统在说明书摘要公布了：本发明属于计算机视觉处理技术领域，特别涉及一种基于深度神经网络的对抗样本生成方法及系统，首先将样本数据中的原始图像转化为显著图；利用显著图圈定样本数据原始图像中用于添加扰动的显著区域，通过对显著图像素值进行二值化处理来获取显著掩膜；将样本数据中的原始图像输入图像分类模型中，利用Nadam优化算法与卷积神经网络反向传输过程中的梯度信息，迭代生成全局扰动的对抗样本；将对抗样本与原始图像做差，得到全局对抗噪声；利用全局对抗噪声与显著掩膜的Hadamard乘积来获取显著区域内的对抗噪声，并通过结合对抗噪声与原始图像来得到最终输出的显著区域对抗样本。本发明能够提升生成样本质量，便于测试和提升图像分类模型的安全性和鲁棒性。

本发明授权基于深度神经网络的对抗样本生成方法及系统在权利要求书中公布了：1.一种基于深度神经网络的对抗样本生成方法，其特征在于，包含如下内容： 根据样本数据中图像语义信息，将样本数据中的原始图像转化为显著图；利用显著图圈定样本数据原始图像中用于添加扰动的显著区域，并通过对显著图像素值进行二值化处理来获取显著掩膜； 将样本数据中的原始图像输入图像分类模型中，利用Nadam优化算法与卷积神经网络反向传输过程中的梯度信息，迭代生成全局扰动的对抗样本； 将对抗样本与原始图像做差，得到全局对抗噪声；利用全局对抗噪声与显著掩膜的Hadamard乘积来获取显著区域内的对抗噪声，并通过结合对抗噪声与原始图像来得到最终输出的显著区域对抗样本； 所述将样本数据中的原始图像转化为显著图，包含如下内容：利用已训练的可变性卷积和特征注意DCFA网络模型将原始图像转化为像素值在0到255之间的灰度图，将该灰度图作为显著图，其中，DCFA网络模型通过在原始图像的低层细节和高层语义中提取不均匀的上下文特征，并通过在空间域和通道域中分配特征自适应权重来获取显著图边界； 所述迭代生成全局扰动的对抗样本中，基于卷积神经网络反向传播过程中损失函数的梯度计算，通过逐步增加图像分类过程中的损失函数值来获取分类错误标签，并将损失函数的更新过程以动量累积形式进行集成，以稳定损失函数更新方向； 所述损失函数的更新过程中，引入优化更新路径的Nesterov算法和优化学习率的RMSprop算法来组合形成Nadam算法，利用Nadam算法来累积梯度历史数据和预估数据，以同时优化损失函数更新路径和学习率。

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中国人民解放军战略支援部队信息工程大学，其通讯地址为：450000 河南省郑州市高新区科学大道62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。