一种针对图像分类的全视角对抗伪装生成方法及装置制造方法及图纸

本发明专利技术提出一种针对图像分类的全视角对抗伪装生成方法及装置，本方法可以生成全视角对抗伪装，能在任意视角欺骗分类模型，包括以下步骤：步骤1：获取目标物三维模型文件及相应纹理；步骤2：根据相应纹理，对所述待伪装目标物进行三维渲染，实时得到不同视角、距离、亮度、背景和环境噪声的目标物图像，构成训练样本；步骤3：根据训练样本，集成攻击源分类模型以更新对抗伪装纹理，得到三维全视角对抗伪装。实验结果表明，本方法生成的一体式对抗伪装可在全视角欺骗智能图像分类器，在三维仿真场景有目标攻击成功率相比多贴片拼接纹理大幅提升。幅提升。幅提升。

【技术实现步骤摘要】
一种针对图像分类的全视角对抗伪装生成方法及装置


[0001]本专利技术涉及人工智能计算机视觉对抗领域，提出了一种针对图像分类的全视角鲁棒对抗伪装生成方法。

技术介绍

[0002]深度神经网络在诸多计算机视觉任务中都达到了先进水平，并被部署于现实应用，如无人驾驶系统。然而研究表明，对输入样本添加不妨碍人类识别的对抗噪声后，能导致智能识别模型以意想不到的方式失常。此种添加精心扰动的样本被称为对抗样本，所带来的潜在危险性使其成为当前的研究热点。
[0003]对抗样本攻击可分为数字域攻击和物理域攻击。数字域攻击通常利用不易察觉的对抗噪声欺骗深度模型，但容易因环境噪声等因素而遭到破坏，因而其性能难以在物理域得到有效发挥；物理域攻击所利用的可视噪声能在变化环境保持一定的鲁棒性，针对图像分类模型的物理域对抗样本相关研究已取得一些很有意义成果，如局部对抗贴片、停车标识攻击以及小的对抗物体如海龟。但是这些工作依然存在一些不足：
[0004]1)基于局部对抗贴片的攻击，由于对抗贴片是在二维空间训练生成，即在训练过程贴片并不随图像中的物体进行相应的空本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对图像分类的全视角对抗伪装生成方法，其特征在于，包括以下步骤：获取目标物三维模型文件及相应纹理；根据相应纹理，对所述待伪装目标物进行三维渲染，实时得到不同视角、距离、亮度、背景和环境噪声的目标物图像，构成训练样本；根据训练样本，集成攻击源分类模型以更新对抗伪装纹理，得到三维全视角对抗伪装。2.根据权利要求1所述的针对图像分类的全视角对抗伪装生成方法，其特征在于，根据相应纹理，对所述待伪装目标物进行三维渲染，包括以下步骤：以目标物三维模型文件及相应纹理的图片文件作为输入，将纹理映射到目标物的渲染图中，并根据给定的三维环境条件参数分布，进行几何变换，以及环境变换，以近似模拟真实环境的分布，实时获得不同视角、距离、亮度、背景和环境噪声的训练样本，为训练生成对抗纹理提供多样化数据。3.根据权利要求2所述的针对图像分类的全视角对抗伪装生成方法，其特征在于，所述几何变换包括：旋转、平移和距离变化；所述环境变换包括：亮度、噪声和背景变化。4.根据权利要求3所述的针对图像分类的全视角对抗伪装生成方法，其特征在于，环境参数分布见表1：表1物理域环境条件参数分布5.根据权利要求2所述的针对图像分类的全视角对抗伪装生成方法，其特征在于，以目标物三维模型文件及相应纹理的图片文件作为输入，将纹理映射到目标物的渲染图中，并根据给定的三维环境条件参数分布，引入几何变换，以及环境变换，以近似模拟真实环境的分布，实时获得不同的训练样本，包括以下步骤：3D目标物由网格张量m覆盖纹理张量c生成，记为(m,c)；令e表示环境条件参数，E为环境条件参数分布，包含视角、相机距离、光照、噪声和背景变化；参数均为独立连续随机变量，符合均匀分布；通过亮度和通道像素的加值和乘值，对真实场景光照变化和打印误差建模近似；在环境条件e下，经图像渲染操作得到样本x为：x＝((m,c),e)(1)通过对纹理c添加对抗噪声，得到对抗伪装纹理c
a鴠v
，所生成的对抗样本为：
其中(m,c
a鴠v
)为所得到的3D对抗目标物。6.根据权利要求5所述的针对图像分类的全视角对抗伪装生成方法，其特征在于，根据训练样本，集成攻击源分类模型以更新对抗伪装纹理，得到三维全视角对抗伪装，包括：确定3D目标物(m，c)，环境条件参数e∈E，神经渲染器目标类标签y
*
，K个分类模型f...

【专利技术属性】
技术研发人员：段晔鑫，潘志松，顾因，张锦，张晓飞，李玉东，王毅，张建斐，
申请(专利权)人：中国人民解放军陆军军事交通学院镇江校区，
类型：发明
国别省市：