模型训练方法、相关装置及存储介质与流程

文档序号:36287803发布日期:2023-12-07 01:38阅读:来源:国知局

技术特征:

1.一种模型训练方法,其特征在于,所述方法包括:

2.根据权利要求1所述的模型训练方法,其特征在于,所述选定攻击类别和攻击逻辑,包括:

3.根据权利要求2中所述的模型训练方法,其特征在于,所述初始攻击逻辑还包括与所述攻击类别语义信息强相关的辅助语义引导类别,以及属于辅助语义引导类别的类别样本约束集;

4.根据权利要求3所述的模型训练方法,其特征在于,所述根据所述攻击逻辑构建待训练模型,包括:

5.根据权利要求1所述的模型训练方法,其特征在于,所述利用所述对抗样本输入至少一个替代模型,得到目标损失值,包括:

6.根据权利要求5所述的模型训练方法,其特征在于,所述根据所述至少一个替代模型的损失和所述样本约束之间的损失,确定目标损失值,包括:

7.一种对抗样本的生成方法,其特征在于,所述方法包括:

8.一种模型评估方法,其特征在于,所述方法包括:

9.一种模型训练装置,其特征在于,所述装置包括:

10.一种计算机可读存储介质,其特征在于,其包括指令,当其在计算机上运行时,使得所述计算机执行如权利要求1至8中任一项所述的方法。


技术总结
本申请涉及人工智能技术领域,公开了一种模型训练方法、相关装置及存储介质,包括:选定攻击类别和攻击逻辑;根据攻击逻辑构建待训练模型;将预设的样本图片和所述攻击类别输入待训练模型,生成候选对抗扰动;根据样本图片和候选对抗扰动,得到对抗样本;利用对抗样本输入至少一个替代模型,得到目标损失值;在目标损失值不满足预设条件时,更新候选对抗扰动,根据候选对抗扰动重新确定目标损失值,直至目标损失值满足预设条件,将当前生成候选对抗扰动的待训练模型作为训练后模型。本申请基于符合实际应用要求的对抗样本生成模型,可以生成大量符合要求的对抗样本去进行目标检测模型的评估,使得目标检测模型的评估效率更高且模型评估更准确。

技术研发人员:请求不公布姓名
受保护的技术使用者:北京瑞莱智慧科技有限公司
技术研发日:
技术公布日:2024/1/15
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1