一种图像扩充方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种图像扩充方法、装置、设备及存储介质。包括：获取对抗攻击模型和类型识别模型；通过类型识别模型对获取的原始图像进行识别，获取原始图像的图像类型；通过对抗攻击模型获取与图像类型对应的最终扩充像素矩阵；根据原始图像和最终扩充像素矩阵生成扩充图像。通过建立对抗攻击模型，将对抗噪声加入到模型训练中，可以使模型也能辨别出有对抗噪声的图像，并且能够有效应对对抗攻击，提升了识别效果，通过类型识别模型识别出原始图像的图像类型，再通过对抗攻击模型获取与图像类型对应的最终扩充像素矩阵，最后根据原始图像和最终扩充像素矩阵生成扩充图像，保证了图像扩充的准确率。扩充的准确率。扩充的准确率。

【技术实现步骤摘要】
一种图像扩充方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种图像扩充方法、装置、设备及存储介质。

技术介绍

[0002]随着深度学习的发展，大量的人工智能技术被应用到了日常生活中，如人脸识别、自动驾驶等，其中，深度神经网络功不可没，但通过深度神经网络训练一个效果较好的模型需要大量的数据做支撑，获取大量数据并不容易，因此需要进行数据扩充，如使用镜像、旋转、尺度变换、仿射变换等。
[0003]现有技术通过空间变换网络，可实现对卷积神经网络的特征图进行仿射变换，能够对输入图像进行动态地空间变换，输出一张新的矫正图像。
[0004]但现有技术通过空间变换网络的方式，生成的扩充数据是以仿射变换为主，生成人眼和模型都能识别的数据，但面对含有对抗噪声的样本时，模型无法准确识别，可能会做出错误的判断。

技术实现思路

[0005]本专利技术提供了一种图像扩充方法、装置、设备及存储介质，以实现对图像的识别和扩充。
[0006]根据本专利技术的一方面，提供了一种图像扩充方法，该方法包括：...

【技术保护点】

【技术特征摘要】
1.一种图像扩充方法，其特征在于，包括：获取对抗攻击模型和类型识别模型；通过所述类型识别模型对获取的原始图像进行识别，获取所述原始图像的图像类型；通过所述对抗攻击模型获取与所述图像类型对应的最终扩充像素矩阵；根据所述原始图像和所述最终扩充像素矩阵生成扩充图像。2.根据权利要求1所述的方法，其特征在于，所述获取对抗攻击模型和类型识别模型，包括：获取图像样本集，其中，所述图像样本集中包含各图像样本，以及所述图像样本的图像类型；获取各所述图像样本的初始扩充像素矩阵，确定所述初始扩充像素矩阵和所述图像类型的第一对应关系，根据所述第一对应关系建立所述对抗攻击模型；获取各所述图像样本的图像特征，确定所述图像特征和所述图像类型的第二对应关系，根据所述第二对应关系建立所述类型识别模型。3.根据权利要求2所述的方法，其特征在于，所述获取各所述图像样本的初始扩充像素矩阵，包括：提取各所述图像样本的像素点，对各所述像素点进行对抗计算以生成扩充像素；将所述扩充像素组成的矩阵作为初始扩充像素矩阵。4.根据权利要求3所述的方法，其特征在于，所述对各所述像素点进行对抗计算以生成扩充像素，包括：根据所述像素点生成初始值和对抗值；计算所述初始值和所述对抗值在神经网络中间层的差值，将所述差值的优化结果作为所述扩充像素。5.根据权利要求2所述的方法，其特征在于，在所述确定所述初始扩充像素矩阵和所述图像类型的第一对应关系之后，还包括：将所述图像样本集按照指定范围划分成测试集和训练集；基于所述测试集，确定所述训练集中各所述初始扩充像素矩阵的准确率；将各所述图像类型中准确率最高的所述初始扩充像素矩阵作为所述最终扩充像素矩阵；所述根据所述第一对应关系建立所述对抗攻...

【专利技术属性】
技术研发人员：杨粟，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：