技术特征：
1.一种对抗样本的生成方法，其特征在于，包括：在预设的图像样本中插入对抗图像块，生成测试样本；将所述测试样本输入经过训练的目标检测模型中，并获取所述目标检测模型输出的预测信息；采用所述预测信息，计算所述目标检测模型的多个样本生成损失函数中的一种样本生成损失函数；基于所述目标检测模型的样本生成损失函数，对所述测试样本中对抗图像块的插入方式进行调整，直至所述样本生成损失函数满足预设训练条件，将所述测试样本作为对抗样本。2.根据权利要求1所述的方法，其特征在于，所述样本生成损失函数包括边界框损失函数、置信度损失函数、以及分类信息损失函数；所述采用所述预测信息，计算所述目标检测模型的多个样本生成损失函数中的一种样本生成损失函数的步骤，包括：采用所述预测信息，计算所述目标检测模型的边界框损失函数、置信度损失函数、分类信息损失函数中的任一种损失函数。3.根据权利要求1所述的方法，其特征在于，所述在预设的图像样本中插入对抗图像块，生成测试样本的步骤包括：确定所述对抗图像块的插入位置、旋转角度、噪声系数中的至少一种；基于所述旋转角度和/或噪声系数，调整所述对抗图像块；在预设的图像样本中所述插入位置处插入调整后的所述对抗图像块。4.根据权利要求3所述的方法，其特征在于，所述确定所述对抗图像块的插入位置、旋转角度、噪声系数中的至少一种的步骤，包括：在所述图像样本的尺寸范围内，随机选取一插入位置；和/或在预设的旋转角度范围内，随机选取一旋转角度；和/或在预设的噪声系数范围内，随机选取一噪声系数。5.根据权利要求3所述的方法，其特征在于，所述在预设的图像样本中所述插入位置处插入调整后的所述对抗图像块的步骤，包括：在预设的图像样本中所述插入位置处，生成所述旋转角度的遮罩图层；将所述对抗图像块插入所述遮罩图层中。6.根据权利要求1所述的方法，其特征在于，所述基于所述目标检测模型的样本生成损失函数，对所述测试样本中对抗图像块的插入方式进行调整的步骤，包括：基于所述目标检测模型的样本生成损失函数，对所述测试样本中对抗图像块的插入位置、旋转角度、噪声系数中的至少一种进行调整。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：在预设的色彩范围内，随机选取目标颜色；采用所述目标颜色，生成对抗图像块。8.一种对抗样本的生成方法，其特征在于，包括：生成模块，用于在预设的图像样本中插入对抗图像块，生成测试样本；预测模块，用于将所述测试样本输入经过训练的目标检测模型中，并获取所述目标检
测模型输出的预测信息；损失计算模块，用于采用所述预测信息，计算所述目标检测模型的多个样本生成损失函数中的一种样本生成损失函数；输出模块，用于基于所述目标检测模型的样本生成损失函数，对所述测试样本中对抗图像块的插入方式进行调整，直至所述样本生成损失函数满足预设训练条件，将所述测试样本作为对抗样本。9.一种电子设备，其特征在于，包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1
‑
7所述的一个或多个的方法。10.一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1
‑
7所述的一个或多个的方法。
技术总结
本发明实施例提供了一种对抗样本的生成方法和装置，所述方法包括：在预设的图像样本中插入对抗图像块，生成测试样本；将所述测试样本输入经过训练的目标检测模型中，并获取所述目标检测模型输出的预测信息；采用所述预测信息，计算所述目标检测模型的多个样本生成损失函数中的一种样本生成损失函数；基于所述目标检测模型的样本生成损失函数，对所述测试样本中对抗图像块的插入方式进行调整，直至所述样本生成损失函数满足预设训练条件，将所述测试样本作为对抗样本。可以高效地生成针对目标检测模型某一类型预测信息的对抗样本。在后续的模型训练过程中，可以针对模型最薄弱的环节进行针对性训练，可以有效地提高模型整体的输出效果。出效果。出效果。
技术研发人员：邓练兵 李皓
受保护的技术使用者：珠海大横琴科技发展有限公司
技术研发日：2021.06.01
技术公布日：2021/9/7