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！

龙图腾网获悉中国人民解放军海军工程大学申请的专利一种用于深层神经网络图像分类任务的抗对抗样本攻击池化方法及系统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：CN120411587B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510328468.1，技术领域涉及：G06V10/764；该发明授权一种用于深层神经网络图像分类任务的抗对抗样本攻击池化方法及系统是由杨美妮;何涛;刘海涛;王飞鹏;贲可荣;洪仁康设计研发完成，并于2025-03-19向国家知识产权局提交的专利申请。

本一种用于深层神经网络图像分类任务的抗对抗样本攻击池化方法及系统在说明书摘要公布了：本发明属于深层神经网络技术领域，公开了一种用于深层神经网络图像分类任务的抗对抗样本攻击池化方法，本发明方法基于统计原理对邻近特征中值的多个特征映射的重要性进行了区分，并混合最大特征映射进行加权，使卷积网络在误差的反向传播过程中不仅降低了权重更新的成本，同时还具有较好的可解释性。本发明还深入分析了该池化操作在对抗样本攻击鲁棒性方面所起到的作用。实验结果表明，在图像分类任务中，本发明提出的池化方法在Cifar100和Cifar10数据集上，在确保网络预测效果的前提下能够有效提升针对对抗样本攻击的鲁棒性。

本发明授权一种用于深层神经网络图像分类任务的抗对抗样本攻击池化方法及系统在权利要求书中公布了：1.一种用于深层神经网络图像分类任务的抗对抗样本攻击池化方法，其特征在于，包括以下步骤： S101步，邻近特征映射中值的加权策略，所述步骤包括：对原始信号进行邻近特征映射，对信号中每个数据点考察其相邻区域内的多个特征值，利用中值作为衡量指标，并根据统计分布设定加权系数，以降低噪声和异常值的影响，从而确保所提取的特征在局部范围内更具代表性和稳定性； S102步，有效特征选取，所述步骤包括：对S101步获得的映射特征进行统计分析，利用数据分布、相关性分析及方差筛除冗余和噪声数据，仅保留在整体信号识别与分类中起关键作用的有效特征； S103步，特征权重计算，所述步骤包括：根据统计原理对S102步所选取的有效特征进行量化评估，计算各特征的权重，通过归一化处理及加权求和方法将每个特征的贡献度转换为数值表示； S104步，混合最大特征的加权池化，所述步骤包括：在S103步计算的权重基础上采用混合加权池化策略，将局部区域内的最大特征与整体加权求和结果相结合，从而既提取出最显著的局部特征信息，又保留整体统计信息，实现特征的高效融合并降低数据维度； 所述混合最大特征的加权池化： 考虑到最大特征映射蕴含着图像中的纹理信息，因此除选取邻近特征映射中值的n个特征映射以外，还融入了最大特征映射一同参与池化操作；在池化过程中，最大特征映射的权重记为wmax，此时其余n个邻近medianp的特征映射所占的总全权重为1‑wmax，其余三个部分的权重分别按4~6式计算，将这种池化操作称之为邻近特征映射中值的混合加权池化；       4     5     6在误差δl+1,p的反向传播过程中，依据4~6式中计算出的池化权重及wmax分配到前一层对应区域中的n+1个神经元上，并计算相应的梯度，实现对应卷积核的更新。

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中国人民解放军海军工程大学，其通讯地址为：430033 湖北省武汉市解放大道717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。