针对红外图像的分类对抗样本生成方法、装置及相关组件制造方法及图纸

本发明专利技术公开了一种针对红外图像的分类对抗样本生成方法、装置及相关组件，涉及图像分类技术领域。该方法包括获取红外图像样本，并在所述红外图像样本上添加多个干扰图像，得到对抗红外图像；将所述对抗红外图像输入至预训练后的神经网络分类模型，并利用反向传播算法对各所述干扰图像进行位置优化，得到并输出优化后的对抗样本。该方法生成的红外图像对抗样本，相对于现有的可见光图像对抗样本生成方式，可以有效降低神经网络分类模型对红外图像的分类准确率，从而有利于辅助用户查找神经网络分类模型的漏洞，进而提高神经网络分类模型的识别精度升级。的识别精度升级。的识别精度升级。

【技术实现步骤摘要】
针对红外图像的分类对抗样本生成方法、装置及相关组件


[0001]本专利技术涉及图像分类
，尤其涉及一种针对红外图像的分类对抗样本生成方法、装置及相关组件。

技术介绍

[0002]目前对于深度学习领域的安全性问题引起了更多的关注，对深度学习模型的对抗攻击成为了一大研究方向。只需要对神经网络的输入进行细微的改变，神经网络就可能出现误判，然后输出完全不同的结果。
[0003]在计算机视觉领域中，对于神经网络的攻击方法涉及图像分类、目标检测、图像分割等。例如通过添加干扰，可以使得一张熊猫的图像被识别为长臂猿；也可以使得在对行人的目标检测中检测不到带有对抗噪声的行人，具体的，利用攻击样本图像攻击目标检测系统，如果攻击成功，则可以协助找到目标检测系统（例如安防系统、自动驾驶系统等具有分类功能的系统）的漏洞，进而提高目标检测系统中图像分类算法的鲁棒性，即，帮助目标检测系统进行识别精度升级，以抵御更多的攻击。
[0004]现有的热红外探测系统在夜间安防、自动驾驶、体温检测等领域发挥着重要作用，具有被动成像、温度敏感度和穿透性等独特优势，其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对红外图像的分类对抗样本生成方法，其特征在于，包括：获取红外图像样本，并在所述红外图像样本上添加多个干扰图像，得到对抗红外图像；将所述对抗红外图像输入至预训练后的神经网络分类模型，并利用反向传播算法对各所述干扰图像进行位置优化，得到并输出优化后的对抗样本。2.根据权利要求1所述的针对红外图像的分类对抗样本生成方法，其特征在于，所述在所述红外图像样本上添加多个干扰图像，包括：基于预设亮度规则，获取所述红外图像样本中的目标区域；在所述目标区域添加多个干扰图像，其中，所述干扰图像的亮度大于所述目标区域的亮度。3.根据权利要求2所述的针对红外图像的分类对抗样本生成方法，其特征在于，所述在所述目标区域添加多个干扰图像，包括：基于预设的排列规则，在所述目标区域排列多个干扰图像，其中，各所述干扰图像为圆形图像。4.根据权利要求3所述的针对红外图像的分类对抗样本生成方法，其特征在于，所述将所述对抗红外图像输入至预训练后的神经网络分类模型之前，包括：获取所述红外图像样本的标签信息，基于所述标签信息对所有的红外图像样本进行类型分类。5.根据权利要求4所述的针对红外图像的分类对抗样本生成方法，其特征在于，所述输出优化后的对抗样本之后，包括：基于所述标签信息，对输出的对抗样本进行标注。6.根据权利要求1
‑<...

【专利技术属性】
技术研发人员：李忠义，朱晓宁，刘志，李嘉驹，
申请(专利权)人：精英数智科技股份有限公司，
类型：发明
国别省市：