Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种模型对抗训练方法、装置、存储介质及电子设备 

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:浙江省交通运输科学研究院;浙江建德通用航空研究院

摘要:本发明提出一种模型对抗训练方法、装置、存储介质及电子设备,包括:基于扰动信息和干净样本生成第一阶对抗样本,其中,干净样本为未添加扰动信息的标签图像样本;基于第一阶对抗样本的振幅信息和干净样本的相位信息生成第二阶对抗样本;基于第二阶对抗样本对卷积神经网络模型进行对抗训练,对抗训练完成后的卷积神经网络模型用于对图像进行分类。因为第二阶对抗样本携带干净样本的相位信息和第一阶对抗样本的振幅信息,基于第二阶对抗样本对卷积神经网络模型进行对抗训练,在通过对抗训练提升卷积神经网络模型的鲁棒精度的情况下,保障卷积神经网络模型对干净样本的分类能力。

主权项:1.一种模型对抗训练方法,其特征在于,所述方法包括:基于扰动信息和干净样本生成第一阶对抗样本,其中,所述干净样本为未添加扰动信息的标签图像样本;基于所述第一阶对抗样本的振幅信息和所述干净样本的相位信息生成第二阶对抗样本;基于所述第二阶对抗样本对卷积神经网络模型进行对抗训练,对抗训练完成后的所述卷积神经网络模型用于对图像进行分类;所述第一阶对抗样本的算式为: 其中,表示第个干净样本对应的第一阶对抗样本,表示第个干净样本,表示扰动信息,表示高低频敏感程度,表示扰动步长,表示符号函数,表示离散余弦变换,表示离散余弦逆变换,表示损失函数对变量求梯度,表示交叉熵损失函数,表示参数为的分类模型对第个干净样本的分类结果,表示第个干净样本对应的标签,表示用于选择低频信息的掩码矩阵,表示用于选择高频信息的掩码矩阵,表示用于选择低频信息的掩码矩阵中第行第列的元素取值,表示用于选择高频信息的掩码矩阵中第行第列的元素取值,低频频率段表示与矩阵中心点的欧式距离小于的区域,高频频率段表示与矩阵中心点的欧式距离大于或等于的区域;在所述基于扰动信息和干净样本生成第一阶对抗样本之前,所述模型对抗训练方法还包括:根据第一占比值和第二占比值结合对应的权重确定所述干净样本的高低频敏感程度;所述第一占比值为大块均匀颜色或光度的图像在干净样本中的占比值,所述第二占比值为包含细微结构和纹理的图像在干净样本中的第二占比值。

全文数据:

权利要求:

百度查询: 浙江省交通运输科学研究院 浙江建德通用航空研究院 一种模型对抗训练方法、装置、存储介质及电子设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。