申请/专利权人:新型显示与视觉感知石城实验室;东南大学
申请日:2023-12-22
公开(公告)日:2024-04-12
公开(公告)号:CN117876756A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/44;G06V10/80;G06V10/774;G06V10/82;G06N3/045;G06N3/0464;G06N3/0475;G06N3/094
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于注意力引导的对抗样本防御方法,包括:收集数据集,将数据集按7:2:1的比例分为训练集、验证集和测试集并进行预处理;搭建结合注意力机制模块的卷积神经网络模型,即对抗样本防御模型;将经过预处理后的数据集输入到搭建好的对抗样本防御模型中进行对抗训练并保存最优权重;将保存的最优权重加载到搭建好的模型中作为最终的防御方法。本发明方法在较低的实施成本下,能够提供更强大、更全面的防御能力,解决了现有防御方法在面对多种对抗样本时存在的防御成本高和鲁棒性差的问题。
主权项:1.一种基于注意力引导的对抗样本防御方法,其特征在于,包括如下步骤:步骤1,获取与图像分类任务相关的图像数据集,将图像数据集划分为训练集、验证集和测试集并进行预处理;步骤2,构建结合注意力机制的卷积神经网络模型,即对抗样本防御模型;步骤3,利用预处理后的训练集和验证集对步骤2构建的对抗样本防御模型进行训练和验证,得到训练好的对抗样本防御模型;步骤4,利用训练好的对抗样本防御模型对测试集进行测试,实现对抗样本存在情况下的图像分类。
全文数据:
权利要求:
百度查询: 新型显示与视觉感知石城实验室;东南大学 一种基于注意力引导的对抗样本防御方法
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。