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！

龙图腾网获悉上海工程技术大学申请的专利一种基于自监督学习的显著性目标检测对抗净化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：CN115346042B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202210754957.X，技术领域涉及：G06V10/24；该发明授权一种基于自监督学习的显著性目标检测对抗净化方法是由赵晓丽;章逾越;叶翰辰;方志军设计研发完成，并于2022-06-29向国家知识产权局提交的专利申请。

本一种基于自监督学习的显著性目标检测对抗净化方法在说明书摘要公布了：本发明提出了一种基于自监督学习的显著性目标检测对抗净化方法，属于计算机视觉领域。具体方案为：获取训练集输入图像，将其在四个不同的角度逆时针旋转；针对旋转后的图像，得到旋转预测损失和显著性目标检测损失，最小化两者结合的联合训练损失得到训练模型；获取测试集输入图像，将其随机旋转一个角度；针对旋转后的输入图像，求解最小化旋转预测损失，得到净化图像；并将其旋转复原，输入训练模型的显著性目标检测主任务中，得到显著性目标检测的预测图。本发明通过在SOD网络的中添加一个自监督任务，然后最小化自监督损失来净化对抗样本，与对抗性训练相比，该策略极大地降低了计算成本，并且净化方法对各种测试数据集具有适应性。

本发明授权一种基于自监督学习的显著性目标检测对抗净化方法在权利要求书中公布了：1.一种基于自监督学习的显著性目标检测对抗净化方法，其特征在于，由基于U结构的显著性目标检测主任务以及自监督任务旋转预测分支两部分组成的训练部分和基于梯度净化输入的净化部分组成；所述基于U结构的显著性目标检测主任务，包括编码器和解码器；所述自监督任务旋转预测分支包括编码器和分类器，所述基于U结构的显著性目标检测主任务和自监督任务旋转预测分支共用一个编码器； 具体方法包括： 1获取训练集输入图像，并将其在四个不同的角度逆时针旋转：，并分配标签； 2针对旋转后所述训练集输入图像，由所述自监督任务旋转预测分支输出角度预测，得到旋转预测损失，由所述基于U结构的显著性目标检测主任务得到显著性目标检测损失； 联合训练损失为： 其中：和分别为所述基于U结构的显著性目标检测主任务和自监督任务旋转预测分支的损失函数，可以表示为和；为权衡参数，为所述自监督任务旋转预测分支的真值，为所述基于U结构的显著性目标检测主任务的真值，表示所述编码器的参数，表示所述解码器的参数，表示所述分类器参数； 3将所述旋转预测损失与所述显著性目标检测损失结合得到联合训练损失，最小化所述联合训练损失得到训练模型； 4获取测试集输入图像，将所述测试集输入图像在中随机选择旋转一个角度； 5针对旋转后的所述测试集输入图像，输入所述训练模型的自监督任务旋转预测分支，求解最小化所述旋转预测损失，得到净化图像； 求解最小化旋转预测损失采用受PGD攻击启发的多步梯度下降算法，具体包括： 5.1向所述测试集输入图像添加一个以为界的扰动，即； 5.2所述最小化旋转预测损失为： 5.3使用步长的所述多步梯度下降法计算： 5.4根据得到的，计算，获得所述净化图像； 6将所述净化图像旋转复原，输入所述训练模型的基于U结构的显著性目标检测主任务中，得到显著性目标检测的预测图。

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上海工程技术大学，其通讯地址为：201620 上海市松江区龙腾路333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”。