申请/专利权人:之江实验室
申请日:2024-01-18
公开(公告)日:2024-04-26
公开(公告)号:CN117576522B
主分类号:G06V10/774
分类号:G06V10/774
优先权:
专利状态码:有效-授权
法律状态:2024.04.26#授权;2024.03.08#实质审查的生效;2024.02.20#公开
摘要:本说明书公开了一种基于拟态结构动态防御的模型训练方法及装置。所述任务执行方法包括:获取预训练模型,将训练预训练模型所使用的第一图像输入到预训练模型中,得到第一图像对应的识别结果。根据第一图像对应的识别结果以及第一图像对应的实际标签,确定出第二图像。将第二图像输入到预训练模型中,以通过预训练模型中的权重网络层,确定预训练模型中设置的各子识别网络对应的权重,以及通过每个子识别网络,分别对第二图像进行识别,得到各识别结果,并根据确定出的各子识别网络对应的权重,对各识别结果进行加权,得到最终识别结果,以最小化最终识别结果与实际标签之间的偏差为优化目标,对预训练模型进行训练。
主权项:1.一种基于拟态结构动态防御的模型训练方法,其特征在于,包括:获取预训练模型;将训练所述预训练模型所使用的第一图像输入到所述预训练模型中,得到所述第一图像对应的识别结果;根据所述第一图像对应的识别结果以及所述第一图像对应的实际标签,确定所述第一图像对应的梯度信息;根据所述梯度信息对应梯度方向的反向梯度方向,生成干扰数据,其中,通过预设函数将所述梯度信息的方向转换为反向梯度的方向,并根据转换后的梯度信息以及预设的扰动系数,生成所述干扰数据,所述扰动系数越大,对所述转换后的梯度信息的扰动程度越高;将所述干扰数据加入到所述第一图像中,得到第二图像;将所述第二图像输入到所述预训练模型中,以通过所述预训练模型中的权重网络层,确定所述预训练模型中设置的各子识别网络对应的权重,以及通过每个子识别网络,分别对所述第二图像进行识别,得到各识别结果,并根据确定出的所述各子识别网络对应的权重,对所述各识别结果进行加权,得到最终识别结果;以最小化所述最终识别结果与所述实际标签之间的偏差为优化目标,对所述预训练模型进行训练。
全文数据:
权利要求:
百度查询: 之江实验室 一种基于拟态结构动态防御的模型训练方法及装置
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。