買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江大學申請的專利一種基于內容特征的對抗補丁偽裝生成方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114299327B 。

龍圖騰網通過國家知識產權局官網在2025-09-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111485225.7，技術領域涉及：G06V10/764；該發明授權一種基于內容特征的對抗補丁偽裝生成方法是由冀曉宇;徐文淵;程雨詩;朱文俊設計研發完成，并于2021-12-07向國家知識產權局提交的專利申請。

本一種基于內容特征的對抗補丁偽裝生成方法在說明書摘要公布了：本發明公開了一種基于內容特征的對抗補丁偽裝生成方法，該方法利用神經網絡從圖像中提取出的表示內容特征的高維特征向量，創新性地提出使用特征向量距離來約束對抗補丁的生成，可以使得對抗補丁生成與參考圖像接近的內容，從而可以將對抗補丁以任意圖片內容進行偽裝，增強了對抗補丁的隱蔽性。相比于現有的使用像素距離來約束對抗補丁生成的偽裝方法，本發明方法生成的對抗補丁對人的感官來說更加自然，并且對于對抗補丁原有的對抗效果不產生負面影響。

本發明授權一種基于內容特征的對抗補丁偽裝生成方法在權利要求書中公布了：1.一種基于內容特征的對抗補丁偽裝生成方法，其特征在于，該方法包括以下步驟： 1）對目標神經網絡設計對抗損失函數，所述對抗損失函數用于優化對抗補丁； 2）使用一個基于公開圖像數據集預訓練好的卷積神經網絡模型，對一張用于偽裝的參考圖像進行高維特征提取，提取出一個高維特征向量；具體過程為： 21）確定一張用于偽裝的參考圖像，并將其調整至預訓練好的卷積神經網絡模型的合法輸入尺寸； 22）將步驟21）中的參考圖像輸入到預訓練好的卷積神經網絡模型中，經若干層卷積特征提取后，獲得一個高維特征向量并保存，提取過程表示為： ， 其中，代表預訓練好的卷積神經網絡模型的第層卷積運算，代表參考圖像，代表從參考圖像提取出的特征向量； 3）將對抗補丁經過上采樣后，輸入到步驟2）中所述的卷積神經網絡模型中，提取出與步驟2）中相同維度的特征向量；具體過程為： 31）對對抗補丁進行上采樣，將其調整至與步驟2）中的參考圖像調整后相同的尺寸，得到一個大尺寸對抗補丁； 32）將步驟31）中的大尺寸對抗補丁輸入到預訓練好的卷積神經網絡模型中，經與步驟2）中相同層數的卷積特征提取后，獲得一個高維特征向量并保存，提取過程表示為： ， 其中，代表預訓練好的卷積神經網絡模型的第層卷積運算，代表大尺寸對抗補丁，代表從大尺寸對抗補丁提取出的特征向量； 4）計算步驟2）與步驟3）中分別提取出的兩個特征向量的歐式距離，將其作為內容損失函數，以一定權重加入步驟1）中設計好的對抗損失函數中，構成聯合損失函數；具體過程為： 41）根據步驟2）中獲取的參考圖像的高維特征向量與步驟3）中獲取的對抗補丁的高維特征向量，計算兩個特征向量間的歐式距離，將其作為一個損失函數： ； 42）將步驟41）中得到的損失函數以一定權重加入步驟1）中設計好的對抗損失函數中，兩者構成聯合損失函數： ； 5）基于步驟4）中得到的聯合損失函數，使用梯度優化方法來優化生成對抗補丁。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。