一种面向压缩感知技术的智能图像分类系统鲁棒性量化分析方法技术方案

本发明专利技术公开了一种面向压缩感知技术的智能图像分类系统鲁棒性量化分析方法，属于人工智能领域。包括步骤1：采集原始图像数据并修改标签；步骤2：利用原始图像训练集和修改标签后的对抗图像训练集对待测试的智能图像分类系统进行训练；所述的智能图像分类系统包括发射端、基于压缩感知算法的接收端和图像分类端；步骤3：利用原始图像测试集对训练好的原始智能图像分类系统和对抗智能图像分类系统进行测试，分别统计对抗类别图像误分类率，计算智能图像分类系统鲁棒性分数，分数越高，系统鲁棒性越高。本发明专利技术旨在为压缩感知技术在智能图像分类系统中的安全应用提供指导。像分类系统中的安全应用提供指导。像分类系统中的安全应用提供指导。

【技术实现步骤摘要】
一种面向压缩感知技术的智能图像分类系统鲁棒性量化分析方法


[0001]本专利技术涉及人工智能领域，特别是涉及一种面向压缩感知技术的智能图像分类系统鲁棒性量化分析方法。

技术介绍

[0002]如今智能图像分类系统已经广泛应用于诸如自动驾驶，人脸识别，辅助医疗等各个领域。但随着数据规模不断增大以及模型精度要求的不断提升，智能图像分类系统传输图像信号过程中所要求的带宽越来越大，图像信息获取过程中所要求的采样速率和处理速度的要求越来越高。压缩感知技术通过开发信号的稀疏特性，可以在远小于Nyquist采样率的条件下算法完美重建信号，技术一经提出，就引起学术界和工业界的广泛关注。在智能图像分类系统中应用压缩感知技术是解决图像信号传输带宽要求以及图像信息获取过程中的采样速率与处理速度问题的一个新兴方向。但压缩感知技术作为智能图像分类系统中增加的预处理步骤，其存在本身增加了恶意攻击者对智能图像分类系统进行攻击时的攻击对象选择，降低了智能图像分类系统的鲁棒性。
[0003]因此，获得基于压缩感知技术的的智能图像分类系统的鲁棒性量化结果，对选择智能图像分类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向压缩感知技术的智能图像分类系统鲁棒性量化分析方法，其特征在于，包括如下步骤：步骤1：采集原始图像数据集并划分为原始图像训练集和原始图像测试集；修改原始图像训练集的标签，将一个类别的图像标签修改为原始类别中的其他误导类别，将修改标签后的原始图像训练集作为对抗图像训练集；步骤2：分别利用原始图像训练集和对抗图像训练集对待测试的智能图像分类系统进行训练，得到训练好的原始智能图像分类系统和对抗智能图像分类系统；所述的智能图像分类系统包括发射端、基于压缩感知算法的接收端和图像分类端；步骤3：利用原始图像测试集对训练好的原始智能图像分类系统和对抗智能图像分类系统进行测试，分别统计对抗类别图像误分类率，计算智能图像分类系统鲁棒性分数，分数越高，系统鲁棒性越高。2.根据权利要求1所述的面向压缩感知技术的智能图像分类系统鲁棒性量化分析方法，其特征在于，所述的智能图像分类系统中的发射端用于将原始图像数据进行降采样，得到压缩图像信号；接收端用于接收压缩图像信号并基于压缩感知算法进行重建，得到重建图像信号；图像分类端用于对重建图像信号进行分类，完成图像分类任务。3.根据权利要求2所述的面向压缩感知技术的智能图像分类系统鲁棒性量化分析方法，其特征在于，所述的压缩感知算法包括依赖数学推导的压缩感知算法、以及基于深度学习的压缩感知算法；在步骤2的训练过程中，针对依赖数学推导的压缩感知算法，仅修改发射端中的采样模型参数；针对基于深度学习的压缩感知算法，同时修改发射端中的采样模型参数和接收端中的压缩感知算法参数。4.根据权利要求3所述的面向压缩感知技术的智能图像分类系统鲁棒性量化分析方法，其特征在于，步骤2中对待测试的智能图像分类系统进...

【专利技术属性】
技术研发人员：徐文渊，冀晓宇，程雨诗，陈艳姣，周勃阳，
申请(专利权)人：浙江大学，
类型：发明
国别省市：