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！

龙图腾网获悉浙江工商大学;浙江鹏信信息科技股份有限公司申请的专利基于对抗性对比学习提升图像分类模型鲁棒性的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：CN115937577B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202211454189.2，技术领域涉及：G06V10/764；该发明授权基于对抗性对比学习提升图像分类模型鲁棒性的方法是由韩嵩;朱彦栋;陈晓莉;任思琪;刘细涓;朱东海;赵帅;陈志贤;林建洪;洪海波;徐璇璇;陈雪聪;王璐瑶设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本基于对抗性对比学习提升图像分类模型鲁棒性的方法在说明书摘要公布了：本发明公开了一种基于对抗性对比学习提升图像分类模型鲁棒性的方法。本发明首先构建用于进行对抗性对比学习任务的数据集以及TrCL网络模型；其次通过数据增强策略将原始的图像生成三张不同的增广图像；通过一个基于实例级别的攻击，将其中两张增广图像添加扰动生成对应的对抗样本；然后将生成的两张带对抗的增广图像和一张不带对抗的增广图像放入到网络模型进行训练；从而得到一个具有鲁棒特征的预训练模型；最后提取训练好的预训练模型编码器部分，连接一个全连接层进行分类任务训练，即形成鲁棒性的分类器。本发明能够同时兼顾模型的鲁棒精度和干净精度，在确保模型具有鲁棒性的同时也能够保证模型对干净样本的分类精度的影响较小。

本发明授权基于对抗性对比学习提升图像分类模型鲁棒性的方法在权利要求书中公布了：1.基于对抗性对比学习提升图像分类模型鲁棒性的方法，其特征在于该方法包括以下步骤： 1构建用于进行对抗性对比学习任务的数据集以及TrCL网络模型； 2通过数据增强策略将原始的图像生成三张不同的增广图像； 3通过一个基于实例级别的攻击，将其中两张增广图像添加扰动生成对应的对抗样本； 4将生成的两张带对抗的增广图像和一张不带对抗的增广图像放入到TrCL网络模型进行训练； 其中： 模型损失函数第一部分看作是基于实例级别的分类任务，使干净样本和对抗样本的两个特征在特征空间中尽可能接近； 模型损失函数第二部分不需要负样本对，采用梯度截断操作防止梯度进行回传；用来优化一个增广图像与另一个增广图像的对抗样本之间的特征空间距离； 模型损失函数第三部分是对比损失，在生成对抗样本的过程中，即是在对抗样本和干净样本进行比较的时候生成的； 5将数据集输送到模型中使之充分训练，从而得到一个具有鲁棒特征的预训练模型； 6提取训练好的预训练模型编码器部分，连接一个全连接层进行分类任务训练，即形成鲁棒性的分类器； 步骤1中所述TrCL网络模型以ResNet18作为基模型编码器，另外添加了一个投影头h和一个预测器p； 所述模型损失函数第一部分如下： 其中：Dx,y表示向量x和y相乘再归一化后的结果，h表示投影头输出的特征，+表示关于x的正样本，-表示关于x的负样本，adv表示有图像x生成的对抗样本，exp表示指数函数ex，τ表示温度系数； 所述模型损失函数第二部分如下： 其中：a和b表示相同图像x增强以后得到的两张图片，p表示预测头输出的特征，stopgrad表示截断梯度操作，防止梯度进行回传。

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江工商大学;浙江鹏信信息科技股份有限公司，其通讯地址为：310018 浙江省杭州市下沙高教园区学正街18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。