图像生成方法、图像检测方法及装置制造方法及图纸

本申请实施例公开了一种图像生成方法、图像检测方法及装置。所述图像生成方法包括：获取样本图像组，以及目标图像模型对应的多个替代图像模型；样本图像包括初始样本图像和基准样本图像；将样本图像组输入每个所述替代图像模型中，确定每个所述替代图像模型的损失函数；确定每个损失函数分别对应的图像梯度之间相互进行正交投影后得到的正交投影数据；根据所述正交投影数据，对所述初始样本图像进行迭代更新，得到所述目标图像模型对应的对抗样本图像。该技术方案能够使初始样本图像最大程度地得到优化，进而使生成的对抗样本图像迁移到目标图像模型后的对抗效果达到最佳，有利于目标图像模型的性能提升。标图像模型的性能提升。标图像模型的性能提升。

【技术实现步骤摘要】
图像生成方法、图像检测方法及装置


[0001]本说明书涉及人工智能
，尤其涉及一种图像生成方法、图像检测方法及装置。

技术介绍

[0002]图像的生成及对抗检测是人工智能领域的热门主题之一。以机器视觉为例，图像的对抗攻击指对于一张图像的分类任务，添加上攻击或者微小噪声，在并不影响人类对其正确的判断情况下，会误导模型给出与正确结果不同或截然相反的结果，例如将添加了噪声的图像A识别为不同的图像B。在许多需要高可靠性的场景下，如自动驾驶系统、生物特征身份验证等场景，图像对抗攻击会带来较高的威胁。因此，如何生成适用于图像对抗检测的图像样本，以及如何利用图像样本对图像类模型进行对抗检测，成为提升图像类模型安全性的手段之一。

技术实现思路

[0003]本申请实施例的目的是提供一种图像生成方法、图像检测方法及装置，用以解决现有技术中图像对抗效果较差的问题。
[0004]为解决上述技术问题，本申请实施例是这样实现的：
[0005]一方面，本申请实施例提供一种图像生成方法，包括：
[0006]获取样本图像组，以及目标图像模型对应的多个替代图像模型；所述样本图像包括初始样本图像和基准样本图像；
[0007]将所述样本图像组输入每个所述替代图像模型中，确定每个所述替代图像模型的损失函数；
[0008]确定每个损失函数分别对应的图像梯度之间相互进行正交投影后得到的正交投影数据；所述图像梯度与所述损失函数和所述初始样本图像相关；
[0009]根据所述正交投影数据，对所述初始样本图像进行迭代更新，得到所述目标图像模型对应的对抗样本图像。
[0010]另一方面，本申请实施例提供一种图像检测方法，包括：
[0011]获取测试图像组；所述测试图像组包括对抗样本图像和基准样本图像，所述对抗样本图像为利用所述图像生成方法生成；
[0012]将所述测试图像组输入目标图像模型中，得到所述对抗样本图像对应的测试输出数据，以及所述基准样本图像对应的基准输出图像；
[0013]根据所述测试输出数据和所述基准输出图像之间的相似度，确定所述目标图像模型对应的对抗测试结果。
[0014]再一方面，本申请实施例提供一种图像生成装置，包括：
[0015]第一获取模块，用于获取样本图像组，以及目标图像模型对应的多个替代图像模型；所述样本图像包括初始样本图像和基准样本图像；
[0016]第一确定模块，用于将所述样本图像组输入每个所述替代图像模型中，确定每个所述替代图像模型的损失函数；
[0017]第二确定模块，用于确定每个损失函数分别对应的图像梯度之间相互进行正交投影后得到的正交投影数据；所述图像梯度与所述损失函数和所述初始样本图像相关；
[0018]更新模块，用于根据所述正交投影数据，对所述初始样本图像进行迭代更新，得到所述目标图像模型对应的对抗样本图像。
[0019]再一方面，本申请实施例提供一种图像检测装置，包括：
[0020]第二获取模块，用于获取测试图像组；所述测试图像组包括对抗样本图像和基准样本图像，所述对抗样本图像为利用所述图像生成方法生成；
[0021]测试模块，用于将所述测试图像组输入目标图像模型中，得到所述对抗样本图像对应的测试输出数据，以及所述基准样本图像对应的基准输出图像；
[0022]第三确定模块，用于根据所述测试输出数据和所述基准输出图像之间的相似度，确定所述目标图像模型对应的对抗测试结果。
[0023]再一方面，本申请实施例提供一种电子设备，包括处理器和与所述处理器电连接的存储器，所述存储器存储有计算机程序，所述处理器用于从所述存储器调用并执行所述计算机程序以实现上述一方面的图像生成方法，或者，所述处理器用于从所述存储器调用并执行所述计算机程序以实上述另一方面的图像检测方法。
[0024]再一方面，本申请实施例提供一种存储介质，用于存储计算机程序，所述计算机程序能够被处理器执行以实现上述一方面的图像生成方法，或者，所述计算机程序能够被处理器执行以实现另一方面的图像检测方法。
[0025]采用本申请实施例的技术方案，通过获取样本图像组(包括初始样本图像和基准样本图像)以及目标图像模型对应的多个替代图像模型，然后将样本图像组输入每个替代图像模型中，确定每个替代图像模型的损失函数。进而，确定每个损失函数分别对应的图像梯度之间相互进行正交投影后得到的正交投影数据，并根据正交投影数据对初始样本图像进行迭代更新，得到目标图像模型对应的对抗样本图像。可见，该技术方案在生成对抗样本图像的过程中，考虑到了每个替代图像模型的损失函数分别对应的图像梯度之间相互进行正交投影后得到的正交投影数据，由于正交投影数据能够在一定程度上表征各替代图像模型的损失函数之间的相互约束情况(如梯度约束情况)，而这种相互约束情况会导致各替代图像模型的损失函数对应的图像梯度之间存在冲突，也即，各替代图像模型之间存在冲突，例如图像梯度的正交投影方向相反。可以理解，在迭代更新过程中，如果多个替代图像模型之间存在冲突，就会使迭代更新过程达到一个停滞状态，无法进一步优化初始样本图像。因此，在充分考虑各替代图像模型之间的相互约束情况下对初始样本图像进行迭代更新，能够避免各替代图像模型之间的相互约束情况对初始样本图像的优化造成负面影响，从而使初始样本图像的迭代更新过程能够朝着各替代图像模型之间不相互影响的方向进行，使初始样本图像能够最大程度地得到优化，进而使生成的对抗样本图像相较于基准样本图像而言具备更高的对抗性。在后续将对抗样本图像迁移到目标图像模型后，目标图像模型更容易将对抗样本图像识别为基准样本图像，从而使对抗样本图像的对抗效果达到最佳，更加有利于目标图像模型的性能提升。
附图说明
[0026]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0027]图1是根据本说明书一实施例的一种图像生成方法的示意性流程图；
[0028]图2是根据本说明书另一实施例的一种图像生成方法的示意性流程图；
[0029]图3是根据本说明书一实施例的一种图像生成方法的示意性原理图；
[0030]图4是根据本说明书一实施例的一种图像检测方法的示意性流程图；
[0031]图5是根据本说明书一实施例的一种图像生成装置的示意性框图；
[0032]图6是根据本说明书一实施例的一种图像检测装置的示意性框图；
[0033]图7是根据本说明书一实施例的一种电子设备的示意性框图。
具体实施方式
[0034]本申请实施例提供一种图像生成方法、图像检测方法及装置，用以解决现有技术中图像对抗效果较差的问题。
[0035]为了使本
的人员更好本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像生成方法，其特征在于，包括：获取样本图像组，以及目标图像模型对应的多个替代图像模型；所述样本图像包括初始样本图像和基准样本图像；将所述样本图像组输入每个所述替代图像模型中，确定每个所述替代图像模型的损失函数；确定每个损失函数分别对应的图像梯度之间相互进行正交投影后得到的正交投影数据；所述图像梯度与所述损失函数和所述初始样本图像相关；根据所述正交投影数据，对所述初始样本图像进行迭代更新，得到所述目标图像模型对应的对抗样本图像。2.根据权利要求1所述的方法，其特征在于，所述正交投影数据包括梯度投影数据；所述确定每个损失函数分别对应的图像梯度之间相互进行正交投影后得到的正交投影数据，包括：基于所述初始样本图像对目标损失函数进行梯度运算，得到所述目标损失函数对应的第一图像梯度，所述目标损失函数为替代图像模型的损失函数中的任一个；将所述第一图像梯度正交投影到第二图像梯度上，得到所述第一图像梯度对应的梯度投影数据；所述第二图像梯度为替代图像模型的损失函数中除所述目标损失函数之外的其它损失函数对应的图像梯度。3.根据权利要求2所述的方法，其特征在于，所述梯度投影数据包括梯度投影值；所述将所述第一图像梯度正交投影到第二图像梯度上，得到所述第一图像梯度对应的梯度投影数据，包括：将所述第一图像梯度转换为第一一维图像，并将所述第二图像梯度转换为第二一维图像；将所述第一一维图像正交投影到所述第二一维图像上，根据投影结果计算所述第一图像梯度对应的所述梯度投影值。4.根据权利要求3所述的方法，其特征在于，所述根据所述正交投影数据，对所述初始样本图像进行迭代更新，包括：根据所述梯度投影值，对满足预设更新条件的第一一维图像进行更新，得到更新后的第一一维图像；根据不满足所述预设更新条件的第一一维图像以及所述更新后的第一一维图像，对所述初始样本图像进行更新。5.根据权利要求4所述的方法，其特征在于，所述预设更新条件包括：所述梯度投影值小于零；所述根据所述梯度投影值，对满足预设更新条件的第一一维图像进行更新，得到更新后的第一一维图像，包括：若所述梯度投影值小于零，则根据所述梯度投影值和所述第二一维图像，确定所述第一一维图像相对于所述第二一维图像的投影向量；根据所述投影向量对所述第一一维图像进行补偿，得到所述更新后的第一一维图像。6.根据权利要求4或5所述的方法，其特征在于，所述根据不满足所述预设更新条件的第一一维图像以及所述更新后的第一一维图像，对所述初始样本图像进行更新，包括：
将不满足所述预设更新条件的第一一维图像以及所述更新后的第一一维图像，分别转换为与所述初始样本图像维数相同的第三图像梯度；根据所述第三图像梯度，确定所述初始样本图像对应的补偿向量；根据所述补偿向量以及所述对抗样本图像对应的预设学习率，对所述初始样本图像进行更新。7.根据权利要求1所述的方法，其特征在于，所述将所述样本图像组输入每个所述替代图像模型中，确定每个所述替代图像模型的损失函数，包括：将所述样本图像组输入每个所述替代图像模型中，得到每个所述替代图像模型对应的输出数据组；所述输出数据组包括：所述初始样本图像对应的初始输出数据，以及所述基准样本图像对应的基准输出数据；确定每个所述输出数据组中所述初始输出数据与所述基准输出数据之间的差异；根据所述...

【专利技术属性】
技术研发人员：刘彦宏，曾定衡，夏粉，蒋宁，吴海英，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：