买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜云南大学申请的专利基于对比学习的目标检测模型对抗训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117197577B 。

龙图腾网通过国家知识产权局官网在2025-06-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311218767.7，技术领域涉及：G06V10/764；该发明授权基于对比学习的目标检测模型对抗训练方法是由高嵩;曾威威;铁清元;王汝欣;石宇设计研发完成，并于2023-09-20向国家知识产权局提交的专利申请。

本基于对比学习的目标检测模型对抗训练方法在说明书摘要公布了：本发明公开了一种基于对比学习的目标检测模型对抗训练方法，将目标检测模型划分为骨干网络和检测头两部分，在骨干网络之后添加对比学习模块构成网络模型，根据目标检测模型的需要收集若干个训练样本对并对网络模型进行训练，从训练好的网络模型中去除对比学习模块，还原得到目标检测模型，以用于实际的目标检测应用。本发明通过在对抗训练的过程中结合对比学习的特性，使目标检测模型在训练时学习到更鲁棒的对抗样本和干净样本的特征表示，使得目标检测模型在获得更高鲁棒性的同时能够达到更好的干净样本上的准确度。

本发明授权基于对比学习的目标检测模型对抗训练方法在权利要求书中公布了：1.一种基于对比学习的目标检测模型对抗训练方法，其特征在于，包括以下步骤：S1：将目标检测模型M划分为骨干网络和检测头两部分，骨干网络对输入图像进行特征提取得到特征图像f，检测头根据特征图像f完成目标检测；在骨干网络之后添加对比学习模块构成网络模型Mc，对比学习模块用于接收骨干网络输出的特征图像f进行进一步特征提取，得到用于对比学习的特征g；对比学习模块包括全局均值池化层、第一全连接层、ReLU激活函数层和第二全连接层，其中：全局均值池化层用于对特征图像f进行全局均值池化，将得到的特征发送至第一全连接层；第一全连接层用于接收的特征进行整合，将得到的特征发送至ReLU激活函数层；ReLU激活函数层用于采用ReLU激活函数对接收到的特征进行处理，将得到的特征发送至第二全连接层；第二全连接层用于接收的特征进行整合，将得到的特征作为用于对比学习的特征g；S2：根据目标检测模型的需要收集若干个训练样本对，每个训练样本对包含干净样本图像和对应的对抗样本图像，并在每个样本图像中标注出目标区域，将目标区域的标注信息作为样本图像的标签；S3：采用步骤S2收集的训练样本对中的干净样本图像和对抗样本图像对网络模型Mc进行训练，得到训练好的网络模型Mc，训练过程中各训练批次损失函数L的计算公式如下：L＝αLdetx+βLdetxadv+Lcl其中，Ldetx表示当前训练批次中干净样本图像x的目标检测损失，Ldetxadv表示当前训练批次中对抗样本图像xadv的目标检测损失，α、β表示预设的权重系数，Lcl表示当前训练批次中干净样本图像和对抗样本图像的对比学习损失；S4：从训练好的网络模型Mc中去除对比学习模块，还原得到目标检测模型M，以用于实际的目标检测应用。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人云南大学，其通讯地址为：650031 云南省昆明市翠湖北路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。