面向目标检测模型的对抗样本生成方法、系统及设备

文档序号:37466897发布日期:2024-03-28 18:49阅读:来源:国知局

技术特征:

1.一种面向目标检测模型的对抗样本生成方法,其特征在于,包括:

2.根据权利要求1所述的面向目标检测模型的对抗样本生成方法,其特征在于,所述预处理包括随机变换、缩放;

3.根据权利要求2所述的面向目标检测模型的对抗样本生成方法,其特征在于,对生成的灰度图进行缩放时的缩放因子的获取方法为:

4.根据权利要求1所述的面向目标检测模型的对抗样本生成方法,其特征在于,所述最大检测边框损失、所述检测边框位置损失,计算方法为:

5.根据权利要求4所述的面向目标检测模型的对抗样本生成方法,其特征在于,对所述最大检测边框损失与所述检测边框位置损失进行最小化处理后并求和,作为检测损失,其方法为:

6.根据权利要求1所述的面向目标检测模型的对抗样本生成方法,其特征在于,所述风格损失,其计算方法为:

7.根据权利要求1所述的面向目标检测模型的对抗样本生成方法,其特征在于,所述不可打印约束损失,其计算方法为:

8.一种面向目标检测模型的对抗样本生成系统,其特征在于,该系统包括:

9.一种面向目标检测模型的对抗样本生成设备,其特征在于,包括:

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于被所述计算机执行以实现权利要求1-7任一项所述的面向目标检测模型的对抗样本生成方法。


技术总结
本发明属于计算机视觉领域,具体涉及了一种面向目标检测模型的对抗样本生成方法、系统及设备,旨在解决现有的物理域的对抗样本针对指定类别数据攻击效果不理想,即生成的物理域的对抗样本鲁棒性较差的问题。本发明方法包括:选取要被攻击的目标检测模型与待攻击的数据集;对目标检测模型进行预训练,结束后冻结目标检测模型的权重;将对抗样本贴附在数据集中的样本上,作为输入图像;对输入图像检测,获取最大检测框概率,并计算检测损失;计算风格损失;施加不可打印约束损失,以损失反馈以优化对抗样本。本发明生成的对抗样本具有较强的物理域攻击能力,可以克服对抗样本在数字域攻击的局限性,具有较高的物理域鲁棒性。

技术研发人员:王坤峰,张伟,李明洋
受保护的技术使用者:北京化工大学
技术研发日:
技术公布日:2024/3/27
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