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！

龙图腾网获悉南京航空航天大学申请的专利一种基于神经元覆盖的深度学习目标检测对抗样本生成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：CN117876750B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202311730923.8，技术领域涉及：G06V10/764；该发明授权一种基于神经元覆盖的深度学习目标检测对抗样本生成方法是由杨志斌;刘渠;王远;周勇设计研发完成，并于2023-12-15向国家知识产权局提交的专利申请。

本一种基于神经元覆盖的深度学习目标检测对抗样本生成方法在说明书摘要公布了：本发明公开了一种基于神经元覆盖的深度学习目标检测对抗样本生成方法，包括：在目标检测模型中注册钩子函数，对目标检测函数进行预训练，得到训练好的目标检测模型；按照UEA方法构造GAN模型；将训练好的目标检测模型带入GAN模型中，并固定训练好的目标检测模型的参数；基于训练集样本和损失函数，依次交替对判别器和生成器进行训练，直到达到设定训练轮次，得到当前神经元覆盖准则下的GAN模型的生成器参数；所述损失函数为根据当前神经元覆盖准则优化得到的损失函数；调整神经元覆盖准则以及相关的超参数，多次训练GAN模型，得到不同的神经元覆盖准则下优化后的GAN模型的生成器参数，使用最佳生成器参数生成对抗样本。

本发明授权一种基于神经元覆盖的深度学习目标检测对抗样本生成方法在权利要求书中公布了：1.一种基于神经元覆盖的深度学习目标检测对抗样本生成方法，其特征在于：包括以下步骤： 步骤1：在目标检测模型中注册钩子函数，所述钩子函数用于获取目标检测模型的特征提取网络中各层的特征图；对目标检测函数进行预训练，得到训练好的目标检测模型； 步骤2：按照UEA方法构造GAN模型，使得GAN模型中的判别器、生成器和优化函数的设置与UEA方法中的相同； 步骤3：将训练好的目标检测模型带入步骤2构造的GAN模型中，并固定训练好的目标检测模型的参数； 步骤4：基于训练集样本和损失函数，依次交替对判别器和生成器进行训练，直到达到设定训练轮次，得到当前神经元覆盖准则下的GAN模型的生成器参数；所述损失函数为根据当前神经元覆盖准则优化得到的损失函数； 步骤5：调整神经元覆盖准则以及相关的超参数，多次训练GAN模型，得到不同的神经元覆盖准则下优化后的GAN模型的生成器参数 步骤6：使用最佳生成器参数生成对抗样本； 所述损失函数为根据当前神经元覆盖准则优化得到的损失函数，具体包括： 所述损失函数表示为： 式中，L表示损失函数，LcGAN表示GAN损失函数，表示L2损失函数，LDAG表示高级分类损失函数，LFea表示低级特征损失函数，Lcov表示覆盖损失，α，β，∈，γ均表示权重系数； 所述覆盖损失是通过计算目标检测模型的特征提取网络正向传播过程中的神经元覆盖率获得； 所述覆盖损失是通过计算目标检测模型的特征提取网络正向传播过程中的神经元覆盖率获得，具体包括： 使用神经元覆盖准则、拓展神经元覆盖中的神经元边界覆盖准则和Top-k神经元覆盖准则； 神经元覆盖准则定义：若signnk,i，x＝+1，则节点nk，i被测试用例x神经元覆盖，用NCnk,i，x表示； 神经元边界覆盖准则定义：若则节点nk，i被测试用例x神经元边界覆盖，用NBnk，i，x表示； Top-k神经元覆盖准则定义：若ranknk,i，x≤k′，1≤k′≤sk，则节点nk，i被测试用例xTop-k神经元覆盖，用TNk′nk,i，x表示； 给定f∈{NC,NB,TNk′}和隐藏层中神经元的集合HN，所述目标检测模型的特征提取网络正向传播过程中的神经元覆盖率，表示为： 式中，NC,NB,TNk′分别表示神经元覆盖准则、神经元边界覆盖和Top-k神经元覆盖准则，fn，x是判断神经元n是否被测试用例x所覆盖的函数； 覆盖损失表示为： LcovG＝1-MfN，GI7 式中，GI表示经过扰动后的图像。

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南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29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。