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！

龙图腾网获悉北京理工大学申请的专利一种物理可实现的相机污染对抗补丁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：CN119692391B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411745755.4，技术领域涉及：G06N3/045；该发明授权一种物理可实现的相机污染对抗补丁生成方法是由李颖;徐飞洋;寇耿华设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本一种物理可实现的相机污染对抗补丁生成方法在说明书摘要公布了：本发明提供一种物理可实现的相机污染对抗补丁生成方法，属于图像处理技术领域。包括：初始化相机污染补丁的参数；将训练集中的干净图片与相机污染补丁叠加，构成对抗样本；对抗样本与干净图片一起馈送给基于深度神经网络的检测器，检测器输出检测结果；根据检测器的输出结果，计算损失函数，用梯度反传的方式更新并优化相机污染补丁的各项参数；当达到最大训练轮次的时候，训练结束；将训练优化后的相机污染补丁与干净图片叠加，构造对抗样本；对抗样本馈送给各种黑盒检测器，检测结果中目标物体没有被检测出来，其他目标依然能被检测出来。本发明构造的相机污染补丁外观自然，人类观察者难以察觉这种自然发生的镜头污染。

本发明授权一种物理可实现的相机污染对抗补丁生成方法在权利要求书中公布了：1.一种物理可实现的相机污染对抗补丁生成方法，其特征在于，包括训练阶段和推理阶段； 所述的训练阶段包括以下步骤： 训练步骤1：初始化相机污染补丁的参数； 相机污染补丁支持多种污染模态，分为半透明补丁和透明补丁；半透明补丁支持的污染模态包括泥点、污渍、霜；透明补丁支持的污染模态包括雨滴和水雾；相机污染补丁的参数有污染点数量、污染点中心坐标、污染点形状、污染点透明度、污染点颜色； 包括以下子步骤： 1.1半透明补丁构造： 一个半透明补丁由n个半透明污染点构成，n是人为设置的参数；每个污染点参数包括： x0,y0∈[0,1]：污染点中心坐标，以图像左上角为坐标系的原点； r∈[rmin,rmax]：污染点半径； α∈[0,1]：污染点透明度； c∈R3：污染点颜色； 对于一张干净图像I，目标是生成一个相机污染补丁M；Ix,y代表干净图像I在x,y处的像素值；单个污染点的掩码通过下式计算： 其中，dx,y是单个污染点的掩码；αx,y根据掩码区域生成与距离相关的不透明度，β是控制透明度下降的衰减因子，ξ防止数据溢出； 对干净图像和相机污染补丁进行α混合，构造对抗样本 1.2透明补丁构造： 一个透明补丁由z个半透明污染点构成，z是人为设置的参数；每个污染点参数包括： i0,j0∈[-1,1]：污染点中心坐标，以图像正中心为坐标原点； a∈[amin，amax]：污染点短轴的长度；污染点的长轴b＝1.25a； Blur_radius∈[5,25]：控制污染点的透明度； 污染点掩码用下式计算： 其中，maski,j让污染点和干净图片之间平滑过渡，β是控制透明度下降的衰减因子，ω防止数据溢出； 污染点区域内的每个像素都经历高斯模糊，使得相机污染补丁肉眼看上去自然，人类观察者难以察觉异常： Itrensi，j＝Ii，j·maski，j IGaussi，j＝GaussianBlurItrensi，j,σ 其中，σ是高斯函数的标准差； 最后，同样使用α混合叠加干净图像与相机污染补丁，构造对抗样本： 训练步骤2：将训练集中的干净图片与相机污染补丁叠加，构成对抗样本； 训练步骤3：对抗样本与干净图片一起馈送给基于深度神经网络的检测器，检测器输出检测结果； 训练步骤4：根据检测器的输出结果，计算损失函数，然后用梯度反传的方式更新并优化相机污染补丁的各项参数； 训练步骤5：当达到最大训练轮次的时候，训练结束，保存最终的相机污染补丁的参数； 所述的推理阶段包括以下步骤： 推理步骤1：将训练优化后的相机污染补丁与干净图片叠加，构造对抗样本； 推理步骤2：对抗样本馈送给各种黑盒检测器，检测结果中目标物体没有被检测出来，其他目标依然能被检测出来。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街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”。

以上内容由龙图腾AI智能生成。