国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預訂訂單
服務訂單
發(fā)布專利 發(fā)布成果 人才入駐 發(fā)布商標 發(fā)布需求

在線咨詢

聯(lián)系我們

龍圖騰公眾號
首頁 專利交易 科技果 科技人才 科技服務 國際服務 商標交易 會員權益 IP管家助手 需求市場 關于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當前位置 : 首頁 > 專利喜報 > 恭喜杭州電子科技大學張新獲國家專利權

恭喜杭州電子科技大學張新獲國家專利權

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(jiān)控用IP管家,真方便!

龍圖騰網(wǎng)恭喜杭州電子科技大學申請的專利一種干擾生成對抗網(wǎng)絡驅動的知識蒸餾方法獲國家發(fā)明授權專利權,本發(fā)明授權專利權由國家知識產(chǎn)權局授予,授權公告號為:CN119578507B

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-04-18發(fā)布的發(fā)明授權授權公告中獲悉:該發(fā)明授權的專利申請?zhí)?專利號為:202510113751.2,技術領域涉及:G06N3/096;該發(fā)明授權一種干擾生成對抗網(wǎng)絡驅動的知識蒸餾方法是由張新;陳廷偉;黃嘉;殷昱煜;朱婭妮;王東京設計研發(fā)完成,并于2025-01-24向國家知識產(chǎn)權局提交的專利申請。

一種干擾生成對抗網(wǎng)絡驅動的知識蒸餾方法在說明書摘要公布了:本發(fā)明公開了一種干擾生成對抗網(wǎng)絡驅動的知識蒸餾方法,該方法首先獲取由三通道RGB格式圖像構成的圖像分類數(shù)據(jù)集。其次構建干擾生成對抗網(wǎng)絡AD?GAN,包括教師模型、學生模型和干擾生成模型,三個模型輸入均為圖像分類數(shù)據(jù)集中的圖像,教師和學生模型輸出為圖像類別預測的置信度向量,干擾生成模型的輸出為帶干擾的圖像。最后對三個模型進行對抗訓練,一個訓練批次分為干擾生成模型訓練階段和學生模型蒸餾訓練階段,兩者的訓練分別使用獨立的優(yōu)化器,干擾生成模型作為對抗訓練中的生成器,教師和學生模型共同作為判別器。本發(fā)明增強了學生模型的泛化能力和抗噪性能,為資源受限場景提供實用且高效的解決方案。

本發(fā)明授權一種干擾生成對抗網(wǎng)絡驅動的知識蒸餾方法在權利要求書中公布了:1.一種干擾生成對抗網(wǎng)絡驅動的知識蒸餾方法,其特征在于,包括以下步驟:S1.獲取由三通道RGB格式圖像構成的圖像分類數(shù)據(jù)集;S2.構建干擾生成對抗網(wǎng)絡AD-GAN,包括教師模型、學生模型和干擾生成模型,三個模型輸入均為圖像分類數(shù)據(jù)集中的圖像,教師模型和學生模型輸出均為圖像類別預測的置信度向量,干擾生成模型的輸出為帶干擾的圖像;所述干擾生成模型具體實現(xiàn)過程如下:干擾生成模型的輸入為原始樣本圖像和一維隨機向量z∈R1×latent_dim,其中cin是輸入通道數(shù),h和w分別為輸入圖像的長和寬尺寸,latent_dim表示一維隨機向量z的維度;隨機向量z經(jīng)過embedding嵌入層被映射到維度為h*w的一維向量zemb;將一維向量zemb折疊為單通道,并且與輸入圖像具有相同長寬尺寸的隨機特征圖r,即r∈R1×h×w;然后使用concat拼接操作,將輸入樣本xclean與隨機特征圖r在通道方向上進行拼接,得到拼接后的特征圖xconcat;將特征圖xconcat輸入到干擾生成模型的特征提取器中;特征提取器包含四個特征提取模塊,前三個特征提取模塊Fi,i=1,2,3,包含依次級聯(lián)的卷積變換CONV、歸一化函數(shù)BN、ReLU激活函數(shù),對輸入特征圖進行特征提取;第四個特征提取模塊只包含卷積變換,四個塊的輸入輸出長寬尺寸相同,都為h×w,而每個模塊輸入輸出的通道數(shù)量不同;特征提取器輸出的通道數(shù)量為超參數(shù)cout;特征圖xconcat輸入到特征提取器后,得到特征提取器的輸出將Fconv輸入tanh激活函數(shù)中,得到生成的擾動信息Fperturb;將擾動信息Fperturb與干擾強度系數(shù)相乘,得到干擾δ: 其中,干擾δ的取值范圍為;干擾強度系數(shù),即是服從均勻分布的隨機變量,且每個樣本的互相獨立;為當前輪次內(nèi)的最大值,且在訓練過程中進行動態(tài)更新,即隨著訓練輪次的進行,逐漸增大,上限為;公式表示為: 其中,epoch為當前訓練輪次;warmup_epochs為預熱周期,定義了擾動強度漸進增長的輪次數(shù)量;為最大擾動強度超參數(shù);將生成的擾動δ與原始樣本xclean相加,并使用裁剪操作clamp確保擾動樣本的元素取值在[xmin,xmax]范圍內(nèi),得到擾動樣本xadv;S3.對AD-GAN中構建的三個模型進行對抗訓練優(yōu)化,一個訓練批次分為:干擾生成模型訓練階段和學生模型蒸餾訓練階段,兩者的訓練分別使用獨立的優(yōu)化器,即干擾生成模型和學生模型的訓練參數(shù)更新互不干擾,干擾生成模型作為對抗訓練中的生成器,教師模型和學生模型共同作為判別器。

如需購買、轉讓、實施、許可或投資類似專利技術,可聯(lián)系本專利的申請人或專利權人杭州電子科技大學,其通訊地址為:310018 浙江省杭州市錢塘區(qū)白楊街道2號大街1158號;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)”。

免責聲明
1、本報告根據(jù)公開、合法渠道獲得相關數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發(fā)布本報告當日的職業(yè)理解,僅供參考使用,不能作為本公司承擔任何法律責任的依據(jù)或者憑證。
主站蜘蛛池模板: 新宁县| 随州市| 灌云县| 黔南| 铜陵市| 扎囊县| 年辖:市辖区| 吴堡县| 新营市| 隆德县| 林甸县| 丹阳市| 新和县| 富锦市| 桐柏县| 安龙县| 丹寨县| 南木林县| 东丽区| 梅州市| 缙云县| 永定县| 济阳县| 建阳市| 武邑县| 昌平区| 木里| 佛教| 玛纳斯县| 北辰区| 冕宁县| 江油市| 梅州市| 乌拉特前旗| 筠连县| 湛江市| 安徽省| 民乐县| 将乐县| 子长县| 隆回县|