[发明专利]一种基于分层特征对齐的鲁棒特征学习方法有效
| 申请号： | 202010809932.6 | 申请日： | 2020-08-12 |
| 公开（公告）号： | CN111950635B | 公开（公告）日： | 2023-08-25 |
| 发明（设计）人： | 张笑钦;王金鑫;赵丽 | 申请（专利权）人： | 温州大学 |
| 主分类号： | G06V10/82 | 分类号： | G06V10/82;G06V10/764;G06V10/74;G06V10/52;G06N3/0464;G06N3/094;G06N3/084;G06N3/0985 |
| 代理公司： | 北京中北知识产权代理有限公司 11253 | 代理人： | 陈孝政 |
| 地址： | 325000 浙江省温州市瓯海经济*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了本发明提供一种基于分层特征对齐的鲁棒特征学习方法，包括以下步骤：从输入的不同领域的样本中使用深度卷积神经网络进行深度特征的分层提取；对于提取的分层特征，通过图卷积神经网络给特征的通道和空间关系加以限制，从而使得模型学得更加丰富的特征表示；使用基于最优传输理论的Wasserstein distance来准确的度量不同领域样本特征表示之间的差异；将从不同领域样本中提取的分层特征之间的差异作为模型损失函数的一部分来帮助模型学习更加鲁棒的特征，从而提升深度神经网络模型的对抗鲁棒性。上述技术方案，使得深度网络模型可以学习到鲁棒的特征，避免对抗攻击方法的破坏，从而得到安全、可靠的深度系统。 | ||
| 搜索关键词： | 一种 基于 分层 特征 对齐 学习方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于温州大学，未经温州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010809932.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种汽车把手用存放装置
- 下一篇：一种谷物白度在线检测装置
