CN114648675B 对抗训练方法、图像处理方法、装置、设备和介质 （中国工商银行股份有限公司）

频信息确定至少一张所述第一子图像作为正常2处理所述第一图像获得多个频率区域的第一子图像，以及处理所述基于高频信息确定至少一张所述第一子图像作为正常样本，以及基于所述正常样本和所述对抗样本训练过滤模型，其中，训练完将训练样本输入至所述卷积层，对所述训练样本将所述第一特征向量输入至所述归一化层，对所述第一特征向量进行归一将所述第二特征向量输入至所述激活层，利用激活函数处理所述根据水平高频信息、垂直高频信息和对角高频信息中的至少一根据水平高频信息、垂直高频信息和对角高频信息中的至少一3若所述对抗阈值小于所述第一阈值，且大于所述第二阈值，对频域处理模块，用于处理所述第一图像获得多个频率区域的第一子图样本确定模块，用于基于高频信息确定至少一张所述第一子图像作为将训练样本输入至所述卷积层，对所述训练样本将所述第一特征向量输入至所述归一化层，对所述第一特征向量进行归一将所述第二特征向量输入至所述激活层，利用激活函数处理所述其中，当所述一个或多个程序被所述一个或多个处理器执4[0006]根据本公开的实施例，所述处理所述第一图像获得多个[0008]根据本公开的实施例，所述基于所述正常样本和所述对抗样本训练过滤模型包述对抗样本训练中任一个样本；对所述第一特征向量进行归一化处理得到第二特征向量；5第一子图像作为正常样本，以及基于高频信息确定至少一张所述第二子图像作为对抗样6[0021]图1示意性示出了根据本公开实施例的对抗训练方法或图像处理方法的应用场景[0031]图11示意性示出了根据本公开实施例的适于实现对抗训练方法或图像处理方法[0036]对抗训练通过对原始图像添加扰动构造一些对抗攻击样7[0039]图1示意性示出了根据本公开实施例的对抗训练方法或图像处理方法的应用场景置于服务器105中。本公开实施例所提供的对抗训练方法或图像处理方法也可以由不同于8梯度符号法(FastGradientSignMethod，FGSM)添加的扰动沿着梯度的方向往损失函数可以包括FreeAT（FreeAdversarialTraining）、YOPO(youonlypropagateonce)、9用过滤模型输出对该样本的预测结果，并基于预测结果和该样本的正确结果(如预先标注i预测为正类的概率。根据本公开实施例的获得检测结果的流程图。图8示意性示出了根据本公开实施例的实现[0106]本公开还提供了一种对抗训练装置和图像处理装置。以下将结合图9和图10进行[0108]如图9所示，该实施例的对抗训练装置900包括对抗攻击模块910、频域处理模块[0111]频域处理模块920可以执行操作S220，用于处理第一图像获得多个频率区域的第第二图像获得多个频率区域的第二子图像包括：对第一图像进行小波变换或傅里叶变换，[0114]样本确定模块930可以执行操作S230，用于基于高频信息确定至少一张第一子图[0115]模型训练模块940可以执行操作S240，用于基于正常样本和对抗样本训练过滤模[0119]图像检测模块1010可以执行操作S610，用于将第三图像输入至过滤模型进行检[0124]根据本公开的实施例，对抗训练装置900或图像处理装置1000中的任意多个模块[0125]根据本公开的实施例，对抗训练装置900或图像处理装置1000中的至少一个可以[0126]图11示意性示出了根据本公开实施例的适于实现对抗训练方法或图像处理方法储在只读存储器（ROM）1102中的程序或者从存储部分1108加载到随机访问存储器（根据本公开实施例的方法流程的不同动作的单一处理单元或者是ROM1102以及RAM1103通过总线1104彼此相连。处理器1101通过执行ROM1102和/或RAM存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM1102和/或RAM1103和/或ROM1102和RAM1103以外的一个或多个存储器。包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，[0133]在该计算机程序被处理器1101执行时执行本公开实施例的系统/装置中限定的上[0135]在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如[0138]本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可