買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安電子科技大學(xué)申請(qǐng)的專(zhuān)利一種基于生成模型的圖像分類(lèi)方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116168241B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202310071548.4，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于生成模型的圖像分類(lèi)方法是由李雨欣;耿艷林設(shè)計(jì)研發(fā)完成，并于2023-01-31向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于生成模型的圖像分類(lèi)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于生成模型的圖像分類(lèi)方法，包括以下步驟：步驟10，獲取待分類(lèi)圖像和經(jīng)過(guò)預(yù)處理的訓(xùn)練集；步驟20，基于U?Net網(wǎng)絡(luò)結(jié)構(gòu)和殘差網(wǎng)絡(luò)構(gòu)建生成模型；步驟30，根據(jù)訓(xùn)練集對(duì)生成模型和分類(lèi)器進(jìn)行迭代訓(xùn)練，得到訓(xùn)練后的生成模型和訓(xùn)練后的分類(lèi)器；步驟40，將待分類(lèi)圖像輸入訓(xùn)練后的生成模型中，得到待分類(lèi)對(duì)抗樣本；步驟50，將待分類(lèi)對(duì)抗樣本輸入訓(xùn)練后的分類(lèi)器中，得到分類(lèi)結(jié)果。本發(fā)明通過(guò)將U?Net網(wǎng)絡(luò)和殘差模塊Resblock相結(jié)合的網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建生成模型，用來(lái)生成對(duì)抗擾動(dòng)，同時(shí)，生成模型的輸入數(shù)據(jù)為生成模型提供更加豐富的梯度信息，使生成模型能夠提取更多輸入的有效信息，從而生成更強(qiáng)大的對(duì)抗樣本，進(jìn)而提高分類(lèi)器的魯棒性和準(zhǔn)確性。

本發(fā)明授權(quán)一種基于生成模型的圖像分類(lèi)方法在權(quán)利要求書(shū)中公布了：1.一種基于生成模型的圖像分類(lèi)方法，其特征在于，包括以下步驟： 步驟10，獲取待分類(lèi)圖像和經(jīng)過(guò)預(yù)處理的訓(xùn)練集； 步驟20，基于U-Net網(wǎng)絡(luò)結(jié)構(gòu)和殘差網(wǎng)絡(luò)構(gòu)建生成模型；其中，所述生成模型的下采樣層為殘差模塊，每個(gè)下采樣層均輸入隨機(jī)噪聲； 步驟30，根據(jù)所述訓(xùn)練集對(duì)所述生成模型和分類(lèi)器進(jìn)行迭代訓(xùn)練，得到訓(xùn)練后的生成模型和訓(xùn)練后的分類(lèi)器；其中，所述生成模型的輸入數(shù)據(jù)為拼接到一起的訓(xùn)練集、第二梯度信息和第三梯度信息； 所述第二梯度信息為所述訓(xùn)練集輸入所述分類(lèi)器后得到的第二輸出數(shù)據(jù)和正確標(biāo)簽的交叉熵?fù)p失對(duì)所述訓(xùn)練集的梯度信息； 所述第三梯度信息為原始對(duì)抗樣本輸入所述分類(lèi)器后得到的第三輸出數(shù)據(jù)和正確標(biāo)簽的交叉熵?fù)p失對(duì)所述原始對(duì)抗樣本的梯度信息；其中，對(duì)所述訓(xùn)練集進(jìn)行FGSM攻擊生成所述原始對(duì)抗樣本； 所述步驟30的具體步驟包括： 步驟31，根據(jù)所述訓(xùn)練集計(jì)算所述生成模型的輸入數(shù)據(jù)； 步驟32，將所述生成模型的輸入數(shù)據(jù)輸入到所述生成模型中，得到對(duì)抗擾動(dòng)數(shù)據(jù)； 步驟33，將所述對(duì)抗擾動(dòng)數(shù)據(jù)疊加到所述訓(xùn)練集的圖片中，得到訓(xùn)練對(duì)抗樣本； 步驟34，將所述訓(xùn)練對(duì)抗樣本輸入到所述分類(lèi)器中，計(jì)算分類(lèi)損失并迭代更新所述分類(lèi)器的參數(shù)和所述生成模型的參數(shù)； 步驟35，當(dāng)?shù)麓螖?shù)達(dá)到最大時(shí)，得到訓(xùn)練后的生成模型和訓(xùn)練后的分類(lèi)器； 步驟40，將所述待分類(lèi)圖像輸入所述訓(xùn)練后的生成模型中，得到待分類(lèi)對(duì)抗樣本； 步驟50，將所述待分類(lèi)對(duì)抗樣本輸入所述訓(xùn)練后的分類(lèi)器中，得到分類(lèi)結(jié)果。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人西安電子科技大學(xué)，其通訊地址為：710071 陜西省西安市太白南路2號(hào)；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)”。