提升图像分类网络模型鲁棒性的损失函数方法及系统
公开
摘要
本发明提供了一种提升图像分类网络模型鲁棒性的损失函数方法及系统，在进行图像分类时，用以引导映射特征的类间辨别性及类内紧凑性，进而学习到更本质和具有区分性的参数配置。利用本发明方法训练的模型，能有效提升对不同类型图像分类的性能，尤其在受到对抗样本攻击时，本发明所涉及模型仍能保持更好的稳定性，更适合真实世界中图像分类的实际情况。
基本信息
专利标题 ：
提升图像分类网络模型鲁棒性的损失函数方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114611694A
申请号 ：
CN202210259849.5
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-16
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
赵洪田郑世宝王玉
申请人 ：
上海交通大学
申请人地址 ：
上海市闵行区东川路800号
代理机构 ：
上海段和段律师事务所
代理人 ：
郭国中
优先权 ：
CN202210259849.5
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08 G06K9/62 G06N3/04 G06V10/774 G06V10/764
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
