CN112926661B 一种增强图像分类鲁棒性的方法 （电子科技大学）_第1页
CN112926661B 一种增强图像分类鲁棒性的方法 （电子科技大学）_第2页
CN112926661B 一种增强图像分类鲁棒性的方法 （电子科技大学）_第3页
CN112926661B 一种增强图像分类鲁棒性的方法 （电子科技大学）_第4页
CN112926661B 一种增强图像分类鲁棒性的方法 （电子科技大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

神经网络层来构建一个对抗样本检测网络该网常用的对抗样本方法来找到对抗样本检测网络络的分类结果进一步训练得到一个增强的图像2对抗样本检测网络生成模块:获取原始图像分类器的结构，获取最后一个全连接层之增强模型生成模块：在原始图像分类结果基础上，S5.1:使用正常图像数据集以及不低于正常图像数据集15%-25%数量的对抗样本图像S5.2:将图像数据集传入对抗样本检测网络，并得到检测网络的输出的重构图像集;S5.3：计算所有输出的重构图像与对应输入的图像数据的L2距离，记Lmax为最大值，pf=fp-tf，代表第增强图像分类器生成模块中增强图像分类器的输入S6.2.对于每个将其对应原始模型没有经过softmax层处理的logits层的输出结果logit;与adu构建成后续增强模型的训练数据tran_data，该输入数据即是在原始输出结果上添加了检测网络的判定结果。3分类器的图像分类结果采用如下方式进行处理：首先得到增强图像分类器的图像分类结4了模型的脆弱性和鲁棒性。国外Szegedy等人在实验中发现通过给图像添加肉眼难以分辨BFGS算法来计算扰动，Goodfellow等人提出了基于快速梯度符号算法来计算扰动，层之前的隐层，在此基础上添加几个全连接层形成图像检测网络(添加个数可人为设置)，括全连接神经网络DNN，卷积神经网络CNN，参差神经网络ResNet，Xception，VGG19，5[0019]S5.1：使用正常图像数据集以及不低于[0023]S5.5；统计在当前参数n的条件下所[0028]S6.2.对于每个xi将其对应原始模型没有经过softmax层处理的logits层的输出6现在要做的是修改这个标签增加一维代表对抗样本的标签，所以分类器就变成了识别猫[0030]上述技术方案中，所述增强图像分类器的训练的数据中30％为对抗样本(采用抗样本检测网络的检测结果组成，输出的分类结果中直接包括输入图片是对抗样本的概[0032]上述技术方案中，最终增强图像分类器的图像分类层之前的隐层，在此基础上添加几个全连接层形成图像检测网络(添加个数可人为设置)，括全连接神经网络DNN，卷积神经网络CNN，参差神经网络ResNet，Xception，VGG19，7[0053]S5.1：使用正常图像数据集以及不低于[0057]S5.5；统计在当前参数n的条件下所[0062]S6.2.对于每个xi将其对应原始模型没有经过softmax层处理的logits层的输出8现在要做的是修改这个标签增加一维代表对抗样本的标签，所以分类器就变成了识别猫[0064]上述技术方案中，所述增强图像分类器的训练的数据中30％为对抗样本(采用抗样本检测网络的检测结果组成，输出的分类结果中直接包括输入图片是对抗样本的概[0066]

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论