一种图片识别方法技术

本申请提供了一种图片识别方法，该方法采用预先训练好的图片识别模型，图片识别模型包括：主网络、分支网络、分支点以及第一处理模块；主网络为任意一种卷积神经网络模型；分支点设置于预定位置处；分支网络包括预设层数并且预设通道宽度的分支网络卷积层；预设层数以及预设通道宽度根据主网络中的下采样层确定；图片识别方法包括：主网络对待识别图片进行第一特征处理，得到第一处理图片；分支网络对第一处理图片进行识别，确定分支识别结果；第一处理模块接收分支网络输出的分支识别结果，并根据分支识别结果与分支识别结果的极大值位置确定交叉熵；如果交叉熵小于预设阈值，则输出分支识别结果。本申请提供的方法提高了图片识别精度。识别精度。识别精度。

【技术实现步骤摘要】
一种图片识别方法


[0001]本申请涉及图像处理
，特别涉及一种图片识别方法。

技术介绍

[0002]利用卷积神经网络模型识别图片类别是图片识别技术中的一种常用手段。随着卷积神经网络模型在实际技术中的广泛运用，不同卷积神经网络模型对不同图片类型的适配度也不断提升，因此图片识别的准确独也随之不断提高。
[0003]图片在传输过程中，难免会受到各种安全威胁。其中，对抗攻击专门针对图片识别准确度进行攻击。攻击者虽然不能完全推测卷积神经网络模型的具体结构，但是可以根据卷积神经网络模型以往的识别结果，推测出卷积神经网络模型的大致结构。攻击者根据推测的大致结构，有针对性的在待识别图片中加入一些细微干扰。这些细微干扰肉眼难以识别，但是能被卷积神经网络模型识别到。卷积神经网络模型会把这些细微干扰作为待识别图片原有的一部分进行整体识别，从而影响图片的整体识别准确度。
[0004]为了应对对抗攻击，提高卷积神经网络模型在有干扰的情况下继续保持较高的识别准确度，一般情况下，对卷积神经网络模型进行整体参数调整。但是，这种对卷积神经网络模型进行整体调整的方法，仅能对特定的攻击待识别图片有较高的识别准确度，而对于普通未受攻击的待识别图片，识别准确度却降低了。
[0005]基于此，目前亟需一种图片识别方法，用于解决现有技术中应对对抗攻击，导致卷积神经网络模型的识别准确度降低的问题。

技术实现思路

[0006]一种图片识别方法，用于解决现有技术中应对对抗攻击，导致卷积神经网络模型的识别准确度降低的问题。
[0007]本申请提供了一种图片识别方法，所述方法采用预先训练好的图片识别模型，所述图片识别模型包括：主网络、分支网络、分支点以及第一处理模块；
[0008]所述主网络为任意一种卷积神经网络模型；所述主网络包括从前至后依次连接的输入层、多个普通卷积层、多个下采样层以及主网络输出层；
[0009]所述分支点设置于所述主网络第一普通卷积层与所述池化层之间的预定位置处；所述第一普通卷积层为从所述输入层起距离所述输入层最近的普通卷积层；
[0010]其中，所述主网络中自所述第一普通卷积层至所述分支点处的部分构成第一主网络处理模块；所述主网络中自所述分支点至所述主网络输出层的部分构成第二主网络处理模块；
[0011]所述分支网络包括从前之后依次连接的预设层数并且预设通道宽度的分支网络卷积层以及分支网络输出层；所述预设层数以及所述预设通道宽度根据所述主网络中的所述下采样层确定；
[0012]其中，所述分支网络通过所述分支点与所述主网络相连接；
[0013]所述分支网络输出层以及所述分支点与所述第一处理模块相连接；
[0014]所述图片识别方法包括：
[0015]所述输入层接收待识别图片，并将所述待识别图片传输至所述第一主网络处理模块；
[0016]所述第一主网络处理模块对所述待识别图片进行第一特征处理，得到第一处理图片；
[0017]所述分支点储存所述第一处理图片；
[0018]所述分支网络对所述第一处理图片进行识别，确定分支识别结果；
[0019]所述第一处理模块接收所述分支网络输出的所述分支识别结果，并根据所述分支识别结果与分支识别结果的极大值位置确定交叉熵；如果所述交叉熵小于预设阈值，则输出分支识别结果；
[0020]如果所述交叉熵小于或等于所述预设阈值，则所述分支点将所述第一处理图片传输至所述第二主网络处理模块；所述第二主网络处理模块对所述第一处理图片进行第二特征处理，得到主识别结果；并输出所述主识别结果。可选的，所述预设层数为所述主网络中，所述分支点至所述主网络输出层之间下采样层的层数。
[0021]可选的，所述预定位置通过以下方式确定：
[0022]统计所述主网络中所述普通卷积层以及所述下采样层的总层数；
[0023]统计自所述输入层起至所述主网络的任意位置之间的所述普通卷积层以及所述下采样层的任意位置总层数；
[0024]如果所述任意位置总层数大于或等于所述总层数的四分之一，并且小于等于所述总层数的三分之一，则将对应的任意位置确定为预定位置。
[0025]可选的，所述预设通道宽度采用以下方法确定：
[0026]将第一下采样层的通道宽度确定为第一分支网络卷积层的预设通道宽度；
[0027]其中，所述第一下采样层为任一采样层；所述第一分支网络卷积层为与所述第一下采样层对应的分支网络卷积层。
[0028]可选的，所述图片识别模型通过以下方法训练获取：
[0029]将第一样本图片输入预先设定结构的初始图片识别模型中，进行第一次模型训练，获取中间图片识别模型；所述第一样本图片不包括受到攻击的攻击样本图片；
[0030]将第二样本图片输入所述中间图片识别模型中，获取第二样本图片中的攻击样本图片；所述第二样本由所述第一样本图片利用攻击算法进行修改后得到；
[0031]改变所述中间图片识别模型的结构；
[0032]将包括所述第一样本图片以及攻击样本图片的第三样本图片，输入改变结构后的中间图片识别模型中的初始分支网络中，进行第二次模型训练，确定所述分支网络的参数，获取图片识别模型。
[0033]可选的，所述初始图片识别模型包括初始主网络、初始分支网络、所述分支点以及第二处理模块；
[0034]所述初始主网络的结构与主网络的结构相同；所述初始分支网络与所述分支网络的结构相同；所述初始分支网络通过所述分支点在预定位置处与所述初始主网络相连接；
[0035]所述初始主网络的初始主网络输出层以及所述初始分支网络的初始分支网络输
出层与所述第二处理模块相连接；所述第二处理模块用于比较所述初始分支网络的处理结果以及所述初始主网络的处理结果。
[0036]可选的，将第一样本图片输入预先确定好结构的初始图片识别模型中，进行第一次模型训练，获取中间图片识别模型，包括以下步骤：
[0037]将所述第一样本图片输入所述初始图片识别模型中，进行多次训练；
[0038]每次训练结束后，获取所述初始分支网络对应的分支网络损失函数以及初始主网络对应的主网络损失函数；
[0039]将所述分支网络损失函数与所述主网络损失函数相加，获得总损失函数；
[0040]将所述总损失函数最优时的初始图片识别模型确定为所述中间图片识别模型。
[0041]可选的，将第二样本图片输入所述中间图片识别模型中，获取第二样本图片中的攻击样本图片，包括：
[0042]将所述第二样本图片输入所述中间图片识别模型中，分别获取所述初始分支网络对应的第二样本图片分支识别结果，以及所述初始主网络对应的第二样本图片主识别结果；
[0043]确定所述第二样本图片分支识别结果与所述第二样本图片主识别结果之间的相似度值；
[0044]如果所述相似度值小于预设相似度阈值，则将对应的第二样本图片确定为所述攻击样本图片。...

【技术保护点】

【技术特征摘要】
1.一种图片识别方法，其特征在于，所述方法采用预先训练好的图片识别模型，所述图片识别模型包括：主网络、分支网络、分支点以及第一处理模块；所述主网络为任意一种卷积神经网络模型；所述主网络包括从前至后依次连接的输入层、多个普通卷积层、多个下采样层以及主网络输出层；所述分支点设置于所述主网络第一普通卷积层与所述池化层之间的预定位置处；所述第一普通卷积层为从所述输入层起距离所述输入层最近的普通卷积层；其中，所述主网络中自所述第一普通卷积层至所述分支点处的部分构成第一主网络处理模块；所述主网络中自所述分支点至所述主网络输出层的部分构成第二主网络处理模块；所述分支网络包括从前之后依次连接的预设层数并且预设通道宽度的分支网络卷积层以及分支网络输出层；所述预设层数以及所述预设通道宽度根据所述主网络中的所述下采样层确定；其中，所述分支网络通过所述分支点与所述主网络相连接；所述分支网络输出层以及所述分支点与所述第一处理模块相连接；所述图片识别方法包括：所述输入层接收待识别图片，并将所述待识别图片传输至所述第一主网络处理模块；所述第一主网络处理模块对所述待识别图片进行第一特征处理，得到第一处理图片；所述分支点储存所述第一处理图片；所述分支网络对所述第一处理图片进行识别，确定分支识别结果；所述第一处理模块接收所述分支网络输出的所述分支识别结果，并根据所述分支识别结果与分支识别结果的极大值位置确定交叉熵；如果所述交叉熵小于预设阈值，则输出分支识别结果；如果所述交叉熵小于或等于所述预设阈值，则所述分支点将所述第一处理图片传输至所述第二主网络处理模块；所述第二主网络处理模块对所述第一处理图片进行第二特征处理，得到主识别结果；并输出所述主识别结果。2.根据权利要求1所述的一种图片识别方法，其特征在于，所述预设层数为所述主网络中，所述分支点至所述主网络输出层之间下采样层的层数。3.根据权利要求1所述的一种图片识别方法，其特征在于，所述预定位置通过以下方式确定：统计所述主网络中所述普通卷积层以及所述下采样层的总层数；统计自所述输入层起至所述主网络的任意位置之间的所述普通卷积层以及所述下采样层的任意位置总层数；如果所述任意位置总层数大于或等于所述总层数的四分之一，并且小于等于所述总层数的三分之一，则将对应的任意位置确定为预定位置。4.根据权利要求1所述的一种图片识别方法，其特征在于，所述预设通道宽度采用以下方法确定：将第一下采样层的通道宽度确定为第一分支网络卷积层的预设通道宽度；其中，所述第一下采样层为任一采样层；所述第一分支网络卷积层为与所述第一下采样层对应...

【专利技术属性】
技术研发人员：王中风，何鎏璐，王美琪，林军，
申请(专利权)人：南京大学，
类型：发明
国别省市：