買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉深圳大學申請的專利模型防御方法、裝置、設備與計算機可讀存儲介質(zhì)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN114842288B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202210335742.4，技術領域涉及：G06V10/774；該發(fā)明授權模型防御方法、裝置、設備與計算機可讀存儲介質(zhì)是由何志權;藍旭佳設計研發(fā)完成，并于2022-03-31向國家知識產(chǎn)權局提交的專利申請。

本模型防御方法、裝置、設備與計算機可讀存儲介質(zhì)在說明書摘要公布了：本發(fā)明公開了一種模型防御方法、裝置、設備與計算機可讀存儲介質(zhì)，該方法包括：在接收到待預測圖像時，根據(jù)所述待預測圖像，確定目標模板圖像集合；對所述目標模板圖像集合和所述待預測圖像進行特征量化和重建處理，得到輸入圖像集合；將所述輸入圖像集合輸入深度學習模型中，以得到預測結(jié)果。本發(fā)明根據(jù)待預測圖像，確定目標模板圖像集合，對目標模板圖像集合和待預測圖像進行特征提取、量化和預處理，確定輸入圖像集合，并將輸入圖像集合輸入深度學習模型中，以得到預測結(jié)果，使得模型防御的效果與深度學習模型的預測效果得到兼顧，提高了模型防御的實用性。

本發(fā)明授權模型防御方法、裝置、設備與計算機可讀存儲介質(zhì)在權利要求書中公布了：1.一種模型防御方法，其特征在于，所述模型防御方法包括如下步驟： 在接收到待預測圖像時，根據(jù)所述待預測圖像，確定目標模板圖像集合； 其中，所述根據(jù)所述待預測圖像，確定目標模板圖像集合的步驟包括： 將模板圖像庫中的每個模板圖像分別與所述待預測圖像進行融合，得到融合圖像集合； 將所述待預測圖像輸入分類模型，得到第一向量，并將所述融合圖像集合中的每個融合圖像輸入所述分類模型，得到第二向量集合； 根據(jù)所述第一向量和所述第二向量集合，在所述模板圖像庫中確定目標模板圖像集合； 對所述目標模板圖像集合和所述待預測圖像進行特征量化和重建處理，得到輸入圖像集合； 其中，所述對所述目標模板圖像集合和所述待預測圖像進行特征量化和重建處理，得到輸入圖像集合的步驟包括： 將所述目標模板圖像集合中的每個目標模板圖像和所述待預測圖像進行配對，并輸入特征提取模塊，得到特征提取結(jié)果； 將所述特征提取結(jié)果輸入注意力權重模塊，得到注意力權重集合，并將所述注意力權重集合和所述特征提取結(jié)果輸入動態(tài)量化模塊，得到量化結(jié)果； 將所述量化結(jié)果輸入歸一化模塊，得到歸一化結(jié)果，并將所述歸一化結(jié)果輸入解碼重建模塊進行重建處理，得到輸入圖像集合； 其中，所述將所述注意力權重集合和所述特征提取結(jié)果輸入動態(tài)量化模塊，得到量化結(jié)果的步驟包括： 將所述注意力權重集合和所述特征提取結(jié)果輸入動態(tài)量化模塊，通過所述動態(tài)量化模塊根據(jù)所述特征提取結(jié)果，確定像素點集合； 通過所述動態(tài)量化模塊根據(jù)所述特征提取結(jié)果、所述像素點集合和所述注意力權重集合，得到量化結(jié)果； 將所述輸入圖像集合輸入深度學習模型中，以得到預測結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" href="https://iptop.www.gztjhr.cn/list?keyword=%E6%B7%B1%E5%9C%B3%E5%A4%A7%E5%AD%A6&temp=1">深圳大學，其通訊地址為：518000 廣東省深圳市南山區(qū)南海大道3688號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。