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！

申请/专利权人：西安科技大学

摘要：本发明公开了面向行人目标的多视角自适应权重平衡对抗攻击方法，包括：选取人体目标图像数据集，并按照人体目标的正面、斜面和侧面三个视角进行划分；将不同视角的人体目标图像分别输入目标检测模型，通过中心定位确定攻击位置，并随机生成一个对抗补丁；优化目标检测模型；将对抗补丁经过patchcutout算法进行处理并覆盖；将覆盖后的图像输入到优化的目标检测模型进行训练；构建自适应平衡策略，动态调整每个视角通道的损失值权重；重复步骤直至整体损失函数收敛，得到对抗样本。本发明解决了现有技术中存在的只考虑单一视角情况，导致攻击方法在不同视角下对目标攻击效果较差的问题。

主权项：1.面向行人目标的多视角自适应权重平衡对抗攻击方法，其特征在于，具体包括如下步骤：步骤1：选取人体目标图像数据集，将数据集中的图像按照人体目标的正面、斜面和侧面三个视角进行划分；步骤2：将不同视角的人体目标图像分别输入目标检测模型，通过中心定位确定攻击位置，并随机生成一个对抗补丁；所述目标检测模型采用YOLOv5；步骤3：优化目标检测模型；所述优化目标检测模型，是将YOLOv5骨干网络中第5、7、9层中的卷积模块替换为ModelShakeDrop模块，所述ModelShakeDrop模块包括三个1×1卷积层、ShakeDrop模块和Sequential模块；所述ModelShakeDrop模块是基于modelshakedrop算法改进的模块，所述modelshakedrop算法：在向前传播过程中，modelshakedrop算法的抖动机制会对模型参数进行随机扰动，其过程的定义为： （1）式中，为输入数据，为模型残差模块处理；为抖动因子，服从[-1,1]均匀分布；前向传播过程中的随机丢弃机制以一定概率将神经元的输出设置为零，其过程为： （2）式中，为执行丢弃操作的概率，服从[0,1]均匀分布；整个modelshakedrop算法将抖动机制和随机丢弃机制进行整合，前向传播中抖动机制和随机丢弃机制的整合过程定义为： （3）式中，为残差模块的最终输出；在反向传播过程中，定义为： （4）式中，为损失函数；步骤4：将对抗补丁经过patchcutout算法进行处理，并在人体目标图像的攻击位置进行覆盖；将对抗补丁经过patchcutout算法进行处理的过程如下：步骤4.1：生成一个二值掩码M，在对抗补丁中随机选择一个矩形区域，并将该区域内的像素值置零，该过程定义为： （5）式中，是用于遮挡的二值掩码，（i,j）表示对抗补丁的像素坐标，R表示随机选择的矩形区域；步骤4.2：利用所得到的用于遮挡的二值掩码对对抗补丁进行处理，得到最终用于训练的对抗补丁，该过程的定义为： （6）式中，是经过patchcutout算法后的输出，是经过patchcutout算法前的原始输入，表示取交集运算；步骤5：将步骤4得到的人体目标图像输入到优化后的目标检测模型进行训练；训练过程中，构建自适应平衡策略，动态调整每个视角通道的损失值权重；在训练过程中，构建自适应平衡策略，动态调整每个视觉通道的损失值权重，包括如下步骤：计算出每个视角通道的损失值；单个视角通道损失函数为： （13）式中，表示第个视角下的损失值，表示衡量攻击方法优劣的距离损失函数，表示优化后的模型，表示样本图像的真实标签，表示经过对抗补丁攻击后的图像，表示patchcutout算法中的一种随机裁剪方式，表示对抗损失，表示图像像素范围；对计算的不同视角通道的损失值大小进行权重调整：对于损失值较大的视角通道权重值调大，将各个视角通道的损失值进行整体归一化，得到每个视角通道的权重值；各个视角通道损失值归一化计算视角通道权重的过程为： （14）式中，表示训练过程中第个视角的权重，表示总视角数量，表示第个视角下的损失值；步骤6：重复步骤4-5，直至整体损失函数收敛，得到最终的对抗样本。

全文数据：

权利要求：

百度查询： 西安科技大学 面向行人目标的多视角自适应权重平衡对抗攻击方法