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！

龙图腾网获悉西安电子科技大学申请的专利基于卷积层激活差异的对抗图像检测方法及装置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：CN115187789B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202210569952.X，技术领域涉及：G06V10/44；该发明授权基于卷积层激活差异的对抗图像检测方法及装置是由李兴华;汤佳伟;章海燕;许勐璠;刘佼;苗银宾;张俊伟;姜奇;郭晶晶;马建峰设计研发完成，并于2022-05-24向国家知识产权局提交的专利申请。

本基于卷积层激活差异的对抗图像检测方法及装置在说明书摘要公布了：本发明公开了一种基于卷积层激活差异的对抗图像检测方法及装置，包括：获取待处理图像，并将待处理图像输入至图像分类模型；获取图像分类模型中预设卷积层输出的特征图，并确定特征图的激活比例；将激活比例输入检测模型后，根据检测模型的输出判断图像分类模型对待处理图像的分类结果是否存在异常；其中，检测模型为预先以正常图像及对抗样本在图像分类模型中的激活比例作为训练样本进行训练后，获得的全连接神经网络模型。本发明通过在图像分类模型的正常前向传播过程中进行特征图激活比例的计算，在几乎不会给线上应用造成时延的同时，使检测模型根据激活比例判断分类结果是否存在异常，从而对已上线的图像分类模型进行安全加固。

本发明授权基于卷积层激活差异的对抗图像检测方法及装置在权利要求书中公布了：1.一种基于卷积层激活差异的对抗图像检测方法，其特征在于，包括： 获取待处理图像，并将所述待处理图像输入至图像分类模型；所述图像分类模型为预先训练好的卷积神经网络模型，包括：卷积层、池化层和全连接层； 获取所述图像分类模型中预设卷积层输出的特征图，并确定所述特征图的激活比例； 将所述激活比例输入检测模型后，根据所述检测模型的输出判断所述图像分类模型对待处理图像的分类结果是否存在异常；其中，所述检测模型为：预先以正常图像及对抗样本在所述图像分类模型中的激活比例作为训练样本进行训练后，获得的表示输入图像的异常概率的全连接神经网络模型； 获取所述图像分类模型中预设卷积层输出的特征图，并确定所述特征图的激活比例的步骤，包括：选取所述图像分类模型中的两个卷积层后，分别获得所述两个卷积层输出的第一特征图及第二特征图；分别计算所述第一特征图和所述第二特征图的激活比例；所述激活比例为：所述特征图中大于预设阈值的元素所占的比例； 所述分别计算所述第一特征图和所述第二特征图的激活比例的步骤，包括：计算所述第一特征图中各通道的激活比例，得到第一激活比例；计算所述第二特征图中各通道的激活比例，得到第二激活比例。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。