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！

龙图腾网获悉北京大学申请的专利一种基于公平的鲁棒神经网络的图像分类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：CN116091838B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202310159248.1，技术领域涉及：G06V10/764；该发明授权一种基于公平的鲁棒神经网络的图像分类方法是由王奕森;魏泽明设计研发完成，并于2023-02-23向国家知识产权局提交的专利申请。

本一种基于公平的鲁棒神经网络的图像分类方法在说明书摘要公布了：本发明公布了一种基于公平的鲁棒神经网络的图像分类方法，属于人工智能中的机器学习技术领域。本发明针对分类任务中的每个类别，对其对抗训练强度进行分类校准，采用本发明提出的基于公平的鲁棒神经网络的图像分类方法，使得分类模型在最差类别的鲁棒性能够明显优于现有的鲁棒分类方法，从而在安全攸关领域的图像分类任务中具有更高可信性与安全性。以汽车自动驾驶中的路标分类任务为例，使用本发明进行对抗训练后，分类器能够大幅提升在较难分类类别的路标的鲁棒性，从而提升自动驾驶的安全性。

本发明授权一种基于公平的鲁棒神经网络的图像分类方法在权利要求书中公布了：1.一种基于公平的鲁棒神经网络的图像分类方法，包括如下步骤： 1）收集分类任务的数据集，设分类任务共有个类别，则需要从每个类别中收集同样多的样本，组成若干个样本-标签对，收入数据集中； 2）将训练集划分为训练集和验证集，初始化一个神经网络，其中为网络参数，随机初始化一组神经网络参数，其网络结构与相同，用于维护模型参数平均，设置鲁棒公平性阈值，设一共训练模型轮； 3）在第轮训练中，每轮训练依次包括如下步骤： 3-1）对于，假设模型在上一轮的训练迭代中第类样本的训练准确率为，则在此轮训练迭代中，对此类别采取的扰动半径，其中为设定的超参数，预先设定扰动半径为，较困难的类的训练准确率较小，使得本轮使用的扰动半径相应减小，以降低在对抗训练过程中此类样本上的扰动强度；反之亦然； 3-2）根据步骤3-1）得到的每个类别的扰动半径，在训练集上进行随机梯度下降对抗训练，对每组小批量样本的，在扰动范围内寻找关于当前模型对于的对抗样本，即求解优化问题； 3-3）对每轮迭代后得到的参数，当模型在验证集每个类的鲁棒性都不低于，即，将本轮得到的纳入参数平均中：，否则丢弃本轮得到的参数，其中表示参数为的模型在验证集中类别样本的鲁棒准确率； 4）当步骤3）的轮训练结束后，返回参数平均后的模型完成分类任务。

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北京大学，其通讯地址为：100871 北京市海淀区颐和园路5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”。