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！

龙图腾网获悉西安电子科技大学申请的专利一种基于生成模型的图像分类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：CN116168241B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310071548.4，技术领域涉及：G06V10/764；该发明授权一种基于生成模型的图像分类方法是由李雨欣;耿艳林设计研发完成，并于2023-01-31向国家知识产权局提交的专利申请。

本一种基于生成模型的图像分类方法在说明书摘要公布了：本发明公开了一种基于生成模型的图像分类方法，包括以下步骤：步骤10，获取待分类图像和经过预处理的训练集；步骤20，基于U‑Net网络结构和残差网络构建生成模型；步骤30，根据训练集对生成模型和分类器进行迭代训练，得到训练后的生成模型和训练后的分类器；步骤40，将待分类图像输入训练后的生成模型中，得到待分类对抗样本；步骤50，将待分类对抗样本输入训练后的分类器中，得到分类结果。本发明通过将U‑Net网络和残差模块Resblock相结合的网络结构构建生成模型，用来生成对抗扰动，同时，生成模型的输入数据为生成模型提供更加丰富的梯度信息，使生成模型能够提取更多输入的有效信息，从而生成更强大的对抗样本，进而提高分类器的鲁棒性和准确性。

本发明授权一种基于生成模型的图像分类方法在权利要求书中公布了：1.一种基于生成模型的图像分类方法，其特征在于，包括以下步骤： 步骤10，获取待分类图像和经过预处理的训练集； 步骤20，基于U-Net网络结构和残差网络构建生成模型；其中，所述生成模型的下采样层为残差模块，每个下采样层均输入随机噪声； 步骤30，根据所述训练集对所述生成模型和分类器进行迭代训练，得到训练后的生成模型和训练后的分类器；其中，所述生成模型的输入数据为拼接到一起的训练集、第二梯度信息和第三梯度信息； 所述第二梯度信息为所述训练集输入所述分类器后得到的第二输出数据和正确标签的交叉熵损失对所述训练集的梯度信息； 所述第三梯度信息为原始对抗样本输入所述分类器后得到的第三输出数据和正确标签的交叉熵损失对所述原始对抗样本的梯度信息；其中，对所述训练集进行FGSM攻击生成所述原始对抗样本； 所述步骤30的具体步骤包括： 步骤31，根据所述训练集计算所述生成模型的输入数据； 步骤32，将所述生成模型的输入数据输入到所述生成模型中，得到对抗扰动数据； 步骤33，将所述对抗扰动数据叠加到所述训练集的图片中，得到训练对抗样本； 步骤34，将所述训练对抗样本输入到所述分类器中，计算分类损失并迭代更新所述分类器的参数和所述生成模型的参数； 步骤35，当迭代更新次数达到最大时，得到训练后的生成模型和训练后的分类器； 步骤40，将所述待分类图像输入所述训练后的生成模型中，得到待分类对抗样本； 步骤50，将所述待分类对抗样本输入所述训练后的分类器中，得到分类结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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”。