针对离群点移除方法的对抗样本生成方法、系统和装置

发明专利有效专利

申请号：
CN202010835090.1
IPC分类号：G06K9/62;G06K9/40
申请日期：
2020-08-19
申请人：
中国科学院自动化研究所

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	针对离群点移除方法的对抗样本生成方法、系统和装置
申请号	CN202010835090.1	申请日期	2020-08-19
法律状态	授权	申报国家	中国
公开/公告日	2020-11-10	公开/公告号	CN111914946A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;K;9;/;4;0查看分类表>
申请人	中国科学院自动化研究所	申请人地址	北京市海淀区中关村东路95号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国科学院自动化研究所	当前权利人	中国科学院自动化研究所
发明人	马成丞;孟维亮;徐士彪;郭建伟;吴保元;张晓鹏
代理机构	北京市恒有知识产权代理事务所（普通合伙）	代理人	郭文浩;尹文会

摘要

本发明属于图像识别领域，具体涉及了一种针对离群点移除方法的对抗样本生成方法、系统和装置，旨在解决现有的基于深度学习的分类模型训练所采用的对抗样本无法在移除离群点的方法下使图像分类出错，导致训练出的分类模型鲁棒性差精确度低的问题。本发明包括：获取带有类别标签的训练数据集，将三维点云数据输入分类模型并计算分类损失，分别计算分类损失关于三维点云数据的梯度和关于移除离群点的三维点云数据的梯度，并将两种梯度融合乘以缩放因子生成融合扰动，将融合扰动施加到三维点云数据中反复迭代生成对抗样本。本发明生成的对抗样本在移除离群点的情况下仍然能造成图像分类错误，提高了训练出来的模型的鲁棒性和分类精确度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供