買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江大學(xué)申請(qǐng)的專利一種面向壓縮感知技術(shù)的智能圖像分類系統(tǒng)魯棒性量化分析方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114549895B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210072041.6，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種面向壓縮感知技術(shù)的智能圖像分類系統(tǒng)魯棒性量化分析方法是由徐文淵;冀曉宇;程雨詩;陳艷姣;周勃陽設(shè)計(jì)研發(fā)完成，并于2022-01-21向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種面向壓縮感知技術(shù)的智能圖像分類系統(tǒng)魯棒性量化分析方法在說明書摘要公布了：本發(fā)明公開了一種面向壓縮感知技術(shù)的智能圖像分類系統(tǒng)魯棒性量化分析方法，屬于人工智能領(lǐng)域。包括步驟1：采集原始圖像數(shù)據(jù)并修改標(biāo)簽；步驟2：利用原始圖像訓(xùn)練集和修改標(biāo)簽后的對(duì)抗圖像訓(xùn)練集對(duì)待測(cè)試的智能圖像分類系統(tǒng)進(jìn)行訓(xùn)練；所述的智能圖像分類系統(tǒng)包括發(fā)射端、基于壓縮感知算法的接收端和圖像分類端；步驟3：利用原始圖像測(cè)試集對(duì)訓(xùn)練好的原始智能圖像分類系統(tǒng)和對(duì)抗智能圖像分類系統(tǒng)進(jìn)行測(cè)試，分別統(tǒng)計(jì)對(duì)抗類別圖像誤分類率，計(jì)算智能圖像分類系統(tǒng)魯棒性分?jǐn)?shù)，分?jǐn)?shù)越高，系統(tǒng)魯棒性越高。本發(fā)明旨在為壓縮感知技術(shù)在智能圖像分類系統(tǒng)中的安全應(yīng)用提供指導(dǎo)。

本發(fā)明授權(quán)一種面向壓縮感知技術(shù)的智能圖像分類系統(tǒng)魯棒性量化分析方法在權(quán)利要求書中公布了：1.一種面向壓縮感知技術(shù)的智能圖像分類系統(tǒng)魯棒性量化分析方法，其特征在于，包括如下步驟： 步驟1：采集原始圖像數(shù)據(jù)集并劃分為原始圖像訓(xùn)練集和原始圖像測(cè)試集；修改原始圖像訓(xùn)練集的標(biāo)簽，將一個(gè)類別的圖像標(biāo)簽修改為原始類別中的其他誤導(dǎo)類別，將修改標(biāo)簽后的原始圖像訓(xùn)練集作為對(duì)抗圖像訓(xùn)練集； 步驟2：分別利用原始圖像訓(xùn)練集和對(duì)抗圖像訓(xùn)練集對(duì)待測(cè)試的智能圖像分類系統(tǒng)進(jìn)行訓(xùn)練，得到訓(xùn)練好的原始智能圖像分類系統(tǒng)和對(duì)抗智能圖像分類系統(tǒng)；所述的智能圖像分類系統(tǒng)包括發(fā)射端、基于壓縮感知算法的接收端和圖像分類端；所述的智能圖像分類系統(tǒng)中的發(fā)射端用于將原始圖像數(shù)據(jù)進(jìn)行降采樣，得到壓縮圖像信號(hào)；接收端用于接收壓縮圖像信號(hào)并基于壓縮感知算法進(jìn)行重建，得到重建圖像信號(hào)；圖像分類端用于對(duì)重建圖像信號(hào)進(jìn)行分類，完成圖像分類任務(wù)； 所述的壓縮感知算法包括依賴數(shù)學(xué)推導(dǎo)的壓縮感知算法、以及基于深度學(xué)習(xí)的壓縮感知算法；在訓(xùn)練過程中，針對(duì)依賴數(shù)學(xué)推導(dǎo)的壓縮感知算法，僅修改發(fā)射端中的采樣模型參數(shù)；針對(duì)基于深度學(xué)習(xí)的壓縮感知算法，同時(shí)修改發(fā)射端中的采樣模型參數(shù)和接收端中的壓縮感知算法參數(shù)； 對(duì)待測(cè)試的智能圖像分類系統(tǒng)進(jìn)行訓(xùn)練時(shí)，利用壓縮感知算法輸出的重建圖像信號(hào)與原始圖像數(shù)據(jù)計(jì)算重建損失，并利用圖像分類端輸出的分類結(jié)果與圖像標(biāo)簽計(jì)算交叉熵?fù)p失，將重建損失和交叉熵?fù)p失的加權(quán)結(jié)果作為總損失，通過梯度下降法更新發(fā)射端和接收端中的系統(tǒng)參數(shù)；所述重建損失函數(shù)由重建圖像與原始圖像的L1范數(shù)距離、數(shù)值1減去重建圖像與原圖像的結(jié)構(gòu)相似性SSIM的值、重建圖像的平滑度損失函數(shù)TVLoss組成三者的加權(quán)和組成； 步驟3：利用原始圖像測(cè)試集對(duì)訓(xùn)練好的原始智能圖像分類系統(tǒng)和對(duì)抗智能圖像分類系統(tǒng)進(jìn)行測(cè)試，分別統(tǒng)計(jì)對(duì)抗類別圖像誤分類率，計(jì)算智能圖像分類系統(tǒng)魯棒性分?jǐn)?shù)，分?jǐn)?shù)越高，系統(tǒng)魯棒性越高； 所述的智能圖像分類系統(tǒng)魯棒性分?jǐn)?shù)計(jì)算公式為： RobustScore＝1-EA-EO 其中，EO為原始智能圖像分類系統(tǒng)的對(duì)抗類別圖像誤分類率，EA為對(duì)抗智能圖像分類系統(tǒng)的對(duì)抗類別圖像誤分類率。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江大學(xué)，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。