【技术实现步骤摘要】
一种用于生成添加干扰后的图像的方法和装置
[0001]本公开涉及深度学习
,尤其涉及图像识别、图像匹配、图像干扰
技术介绍
[0002]深度学习作为近些年最活跃的研究方向,在很多领域都取得了十分令人印象深刻的成绩,比如图像识别、图像匹配、目标检测、文本分析等等。在图像识别和图像匹配等方面,深度学习模型能够达到很好的效果。目前出现了一种图像干扰技术,即对抗样本(Adversarial examples),对抗样本是一类能够攻击机器学习模型图像识别效果的样本。它们与真实样本的区别几乎无法用肉眼分辨,但是却会导致模型在识别图像时做出错误的判断。对抗样本的存在会使得深度学习在安全敏感性领域的应用受到威胁。
技术实现思路
[0003]本公开提供了一种用于生成添加干扰后的图像的方法和装置及用于人机验证的装置。
[0004]根据本公开的一方面,提供了一种用于生成添加干扰后的图像的方法,包括:
[0005]获取第一图像和第二图像;
[0006]确定该第一图像和该第二图像的图像比较函数;以及,
[0007]利用对抗样本生成算法对该第一图像和该第二图像的图像比较函数进行计算,得到添加干扰后的图像。
[0008]根据本公开的另一方面,提供了一种用于生成添加干扰后的图像的装置,包括:
[0009]获取模块,用于获取第一图像和第二图像;
[0010]确定模块,用于确定该第一图像和该第二图像的图像比较函数;以及,
[0011]计算模块,用于利用对抗样 ...
【技术保护点】
【技术特征摘要】
1.一种用于生成添加干扰后的图像的方法,包括:获取第一图像和第二图像;确定所述第一图像和所述第二图像的图像比较函数;以及,利用对抗样本生成算法对所述第一图像和所述第二图像的图像比较函数进行计算,得到添加干扰后的图像。2.根据权利要求1所述的方法,其中,所述图像比较函数包括:图像相似度匹配算法的表达函数;所述图像比较函数的自变量为所述第一图像中像素的值和所述第二图像中像素的值,所述图像比较函数的因变量表示所述第一图像和所述第二图像的差异程度;所述第一图像和所述第二图像的差异程度越高,所述图像比较函数的因变量的值越大。3.根据权利要求2所述的方法,其中,所述图像相似度匹配算法由对应的图像相似度匹配模型实现。4.根据权利要求1
‑
3中任一所述的方法,其中,所述对抗样本生成算法包括快速梯度符号方法FGSM;所述利用对抗样本生成算法对所述第一图像和所述第二图像的图像比较函数进行计算,得到添加干扰后的图像,包括:对所述第一图像和所述第二图像的图像比较函数进行梯度计算;利用梯度计算的结果、所述第一图像中像素的值和所述第二图像中像素的值中的至少一项,确定第一矩阵;所述第一矩阵中包括多个元素,所述多个元素与所述第一图像中的多个像素一一对应;采用符号函数对所述第一矩阵进行计算,得到第二矩阵;利用预先设置的干扰强度和所述第二矩阵,生成所述干扰图像;将所述干扰图像与所述第一图像进行叠加,得到添加干扰后的图像。5.根据权利要求1
‑
3中任一所述的方法,其中,所述对抗样本生成算法包括迭代快速梯度符号方法i
‑
FGSM;所述利用对抗样本生成算法对所述第一图像和所述第二图像的图像比较函数进行计算,得到添加干扰后的图像,包括:采用以下方式进行多次迭代,并在迭代结束时将最后一次迭代过程中的第一图像作为添加干扰后的图像:对所述第一图像和所述第二图像的图像比较函数进行梯度计算;利用梯度计算的结果、上一次迭代过程中第一图像中像素的值和上一次迭代过程中第二图像中像素的值中的至少一项,确定第三矩阵;所述第三矩阵中包括多个元素,所述多个元素与所述第一图像中的多个像素一一对应;采用符号函数对所述第三矩阵进行计算,得到第四矩阵;利用预先设置的干扰强度和所述第四矩阵,生成本次迭代过程的干扰图像;将所述本次迭代过程的干扰图像与上一次迭代过程中的第一图像叠加,得到叠加后的图像;采用像素值的裁剪函数对所述叠加后的图像进行计算,得到本次迭代过程中的第一图像。
6.根据权利要求1
‑
3中任一所述的方法,其中,所述对抗样本生成算法包括动量迭代快速梯度符号方法mi
‑
FGSM;所述利用对抗样本生成算法对所述第一图像和所述第二图像的图像比较函数进行计算,得到添加干扰后的图像,包括:采用以下方式进行多次迭代,并在迭代结束时将最后一次迭代过程中的第一图像作为添加干扰后的图像:对所述第一图像和所述第二图像的图像比较函数进行梯度计算;利用梯度计算的结果、上一次迭代过程中第一图像中像素的值和上一次迭代过程中第二图像中像素的值中的至少一项,确定第五矩阵;所述第五矩阵中包括多个元素,所述多个元素与所述第一图像中的多个像素一一对应;采用所述第五矩阵和上一次迭代过程中的中间矩阵,计算本次迭代过程中的中间矩阵;采用符号函数对所述本次迭代过程中的中间矩阵计算,得到第六矩阵;利用预先设置的干扰强度和所述第六矩阵,生成本次迭代过程的干扰图像;将所述本次迭代过程的干扰图像与上一次迭代过程中的第一图像叠加,得到本次迭代过程中的第一图像。7.根据权利要求4
‑
6中任一所述的方法,其中,所述对所述第一图像和所述第二图像的图像比较函数进行梯度计算,包括:针对所述第一图像和所述第二图像的图像比较函数,分别计算所述第一图像和所述第二图像的图像比较函数对各个自变量的偏导数。8.根据权利要求1
‑
7中任一所述的方法,其中,所述获取第一图像和第二图像,包括:从预先设置的图像库中提取第一原始图像及第二原始图像;分别对所述第一原始图像和所述第二原始图像进行预处理,得到所述第一图像和所述第二图像。9.根据权利要求8所述的方法,其中,所述预处理包括裁剪和方向旋转中的至少一项;其中,对所述第一原始图像进行方向旋转的旋转角度和/或对所述第二原始图像进行方向旋转的旋转角度为随机选择的。10.一种用于生成添加干扰后的图像的装置,包括:获取模块,用于获取第一图像和第二图像;确定模块,用于确定所述第一图像和所述第二图像的图像比较函数;以及,计算模块,用于利用对抗样本生成算法对所述第一图像和所述第二图像的图像比较函数进行计算,得到添加干扰后的图像。11.根据权利要求10所述的装置,其中,所述图像比较函数包括:图像相似度匹配算法的表达函数;所述图像比较函数的自变量为所述第一图像中像素的值和所述第二图像中像素的值,所述图像比较函数的因变量表示所述第一图像和所...
【专利技术属性】
技术研发人员:李理,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。