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！

龙图腾网获悉浙大城市学院申请的专利深度神经网络鲁棒性增强方法、装置、系统及电子设备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：CN115115899B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202210320332.2，技术领域涉及：G06V10/774；该发明授权深度神经网络鲁棒性增强方法、装置、系统及电子设备是由李卓蓉;金苍宏;石龙翔;吴明晖;张芸设计研发完成，并于2022-03-29向国家知识产权局提交的专利申请。

本深度神经网络鲁棒性增强方法、装置、系统及电子设备在说明书摘要公布了：本发明公开了一种深度神经网络鲁棒性增强方法、装置、系统及电子设备，包括：获取原始训练样本并进行预处理；利用随机信号对预处理后的原始训练样本实施常规变换，生成弱扩增样本；确定对深度神经网络采取的攻击策略，对预处理后的原始训练样本实施攻击性扰动，生成强扩增样本；将所述弱扩增样本和强扩增样本输入待加固的深度神经网络，获得相应的表征及预测结果；对所述弱扩增样本和强扩增样本实施一致性约束，构建以一致性约束为正则项的深度神经网络鲁棒性增强训练的目标函数；根据目标函数，对待加固的深度神经网络实施鲁棒性增强训练。本发明可以有效增强深度学习模型的鲁棒性，从而减小攻击性扰动以及常规扰动对深度学习模型造成的损失。

本发明授权深度神经网络鲁棒性增强方法、装置、系统及电子设备在权利要求书中公布了：1.一种深度神经网络鲁棒性增强方法，其特征在于，包括： 获取原始训练样本并进行预处理，具体为：所述原始训练样本为图像数据，将所述原始训练样本表征为如RGB三原色数据矩阵；对数据矩阵进行降噪处理；对数据矩阵进行随机翻转；对数据矩阵进行缩放；对数据矩阵进行四周填充，或截取；对数据矩阵进行归一化处理； 利用随机信号对预处理后的原始训练样本实施常规变换，生成弱扩增样本； 确定对深度神经网络采取的攻击策略，对预处理后的原始训练样本实施攻击性扰动，生成强扩增样本； 将所述弱扩增样本和所述强扩增样本输入待加固的深度神经网络，获得相应的表征及预测结果； 对所述弱扩增样本和所述强扩增样本实施一致性约束，构建以一致性约束为正则项的深度神经网络鲁棒性增强训练的目标函数； 根据所述目标函数，对待加固的深度神经网络实施鲁棒性增强训练； 其中，所述常规变换选自矩阵翻转、截取、填充、遮挡，以及仿射变换； 其中，将所述弱扩增样本和所述强扩增样本输入待加固的深度神经网络，获得相应的表征及预测结果，对所述弱扩增样本和所述强扩增样本实施一致性约束，包括： 在深度神经网络模型中选取预设层j，将弱扩增样本输入待加固的深度神经网络，获得其在所述预设层j的向量化表征以及预测结果； 将强扩增样本输入待加固的深度神经网络，获得其在所述预设层j的向量化表征以及预测结果，其中表示攻击性扰动的向量表示； 对弱扩增样本和强扩增样本基于深度神经网络的表征实施一致性约束，其形式化表示为： ， 其中，Da,b表示a和b之间的距离度量，||·||2表示向量归一化；以及， 对深度神经网络对弱扩增样本和强扩增样本所作的预测实施一致性约束，其形式化表示为： ， 其中，MSEa,b表示a和b之间的MSE误差； 构建一致性正则项： 。

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浙大城市学院，其通讯地址为：310015 浙江省杭州市拱墅区湖州街51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”。