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！

龙图腾网获悉北京科技大学申请的专利基于补偿特征对抗蒸馏的无人机图像目标识别方法及装置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：CN120451843B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510950992.2，技术领域涉及：G06V20/17；该发明授权基于补偿特征对抗蒸馏的无人机图像目标识别方法及装置是由曾溢良;王修宏;傅德仁;陈悦毅设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本基于补偿特征对抗蒸馏的无人机图像目标识别方法及装置在说明书摘要公布了：本发明提供一种基于补偿特征对抗蒸馏的无人机图像目标识别方法及装置，涉及无人机图像目标检测技术领域。该方法包括：使用自然样本数据集训练教师网络模型，得到自然样本特征和输出层逻辑；使用对抗样本数据集训练学生网络模型，得到对抗样本特征；对自然样本特征和对抗样本特征进行补偿融合；构建梯度一致性动态调节机制为特征蒸馏与逻辑蒸馏分配蒸馏权重；设计蒸馏损失函数；根据补偿特征、输出层逻辑、梯度一致性动态调节机制和损失函数对学生网络模型进行特征蒸馏与逻辑蒸馏，得到构建好的学生网络模型。本发明能够解决现有基于对抗训练与多教师知识蒸馏的防御方法存在自然特征与对抗特征学习不充分、模型对无人机图像识别精度低的问题。

本发明授权基于补偿特征对抗蒸馏的无人机图像目标识别方法及装置在权利要求书中公布了：1.一种基于补偿特征对抗蒸馏的无人机图像目标识别方法，其特征在于，所述方法包括： S1、获取自然样本数据集，根据所述自然样本数据集和对抗样本生成方法生成对抗样本数据集； S2、使用所述自然样本数据集训练教师网络模型，得到教师网络模型的自然样本特征和输出层逻辑； S3、使用所述对抗样本数据集训练学生网络模型，得到学生网络模型的对抗样本特征； S4、对所述自然样本特征和所述对抗样本特征进行补偿融合，得到补偿特征； S5、构建梯度一致性动态调节机制，根据所述梯度一致性动态调节机制为蒸馏过程中的特征蒸馏与逻辑蒸馏分配蒸馏权重； S6、设计蒸馏过程的损失函数； S7、根据所述补偿特征、教师网络模型的输出层逻辑、梯度一致性动态调节机制和损失函数对所述学生网络模型进行特征蒸馏与逻辑蒸馏，得到构建好的学生网络模型；获取待识别的无人机图像，输入到所述构建好的学生网络模型，得到目标识别结果； 所述S4中的对所述自然样本特征和所述对抗样本特征进行补偿融合，得到补偿特征，包括： 对所述自然样本特征和所述对抗样本特征做差，得到差异特征，如下式1所示： 1 式中，表示教师模型对自然样本的特征提取，表示学生模型对对抗样本的特征提取，表示按元素取绝对值； 对所述差异特征进行放大，对放大后的特征进行归一化，得到归一化后的特征； 将所述归一化后的特征与所述自然样本特征进行逐元素相乘，得到融合特征，如下式3所示： 3 式中，表示融合特征，表示归一化后的特征，表示缩放系数，控制差异补偿的强弱； 将所述融合特征与所述对抗样本特征进行融合，得到补偿特征，如下式4所示： 4 式中，表示最终的融合特征，表示在特征维度上融合两个特征图； 所述S5中的构建梯度一致性动态调节机制，根据所述梯度一致性动态调节机制为蒸馏过程中的特征蒸馏与逻辑蒸馏分配蒸馏权重，包括： 获取特征蒸馏与逻辑蒸馏的当前时刻的梯度方向和前一时刻的梯度方向，分别计算特征蒸馏与逻辑蒸馏的当前时刻的梯度方向和前一时刻的梯度方向的余弦相似度，根据特征蒸馏的余弦相似度和逻辑蒸馏的余弦相似度计算蒸馏过程中的特征蒸馏的权重与逻辑蒸馏的权重； 其中，余弦相似度为： 5 6 式中，表示特征蒸馏的当前时刻的梯度方向和前一时刻的梯度方向的余弦相似度，表示逻辑蒸馏的当前时刻的梯度方向和前一时刻的梯度方向的余弦相似度，和分别为第次迭代中学生模型在特征蒸馏和逻辑蒸馏上的梯度向量。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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”。

以上内容由龙图腾AI智能生成。