【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种样本图像生成方法、模型处理方法、装置及相关设备。
技术介绍
1、目前，随着人工智能技术的快速发展，神经网络模型也随之孕育而生，其中，通过基于大量历史样本数据对神经网络模型中的模型参数进行迭代训练，能够使得神经网络模型从大量历史样本数据中学习规律，得到图像识别模型，从而利用训练后的图像识别模型对目标图像进行分类识别。然而，考虑到利用图像识别模型进行图像类别识别的阶段可能存在潜在的安全隐患，因此，为了提高图像识别模型在应用阶段的安全性，通常会基于对抗样本图像对图像识别模型进行对抗训练，或者基于对抗样本图像对图像识别模型进行防伪性能验证；因此，需要提供一种生成对抗性比较强的对抗样本图像的技术方案。
技术实现思路
1、本申请实施例的目的是提供一种样本图像生成方法、模型处理方法、装置及相关设备，由于在对抗样本图像的生成过程考虑了因图像压缩所导致的噪点信息有损，因此能够确保压缩后的对抗样本图像的对抗性。
2、为了实现上述技术方案，本申请实施例是这样实现的：
3、第一方面，本申请实施例提供的一种样本图像生成方法，所述方法包括：
4、获取待噪点更新的第一目标样本图像；所述第一目标样本图像包括原始样本图像、或者对所述原始样本图像进行至少一次噪点更新后的扰动样本图像；
5、对所述第一目标样本图像进行压缩及解压缩处理，得到第二目标样本图像；
6、基于所述第二目标样本图像的预测类别标签和所述原始样本图像的真实类别标
7、基于所述对抗损失函数对所述第一目标样本图像进行噪点更新，得到第三目标样本图像；
8、基于所述第三目标样本图像确定对抗样本图像。
9、第二方面，本申请实施例提供的一种模型处理方法，所述方法包括：
10、获取对抗样本图像；所述对抗样本图像为基于如第一方面所述的方法得到的；
11、基于所述对抗样本图像，对待训练的图像识别模型进行对抗训练，得到训练后的图像识别模型。
12、第三方面，本申请实施例提供的一种模型处理方法，所述方法包括：
13、获取对抗样本图像；所述对抗样本图像为基于如第一方面所述的方法得到的；
14、将所述对抗样本图像输入至待验证的图像识别模型进行图像类别预测，得到所述对抗样本图像的类别预测结果；
15、基于多个所述对抗样本图像的类别预测结果确定所述图像识别模型的防伪性能验证结果。
16、第四方面，本申请实施例提供的一种样本图像生成装置，所述装置包括：
17、样本图像获取模块，用于获取待噪点更新的第一目标样本图像；所述第一目标样本图像包括原始样本图像、或者对所述原始样本图像进行至少一次噪点更新后的扰动样本图像；
18、样本图像处理模块，用于对所述第一目标样本图像进行压缩及解压缩处理，得到第二目标样本图像；
19、对抗损失确定模块，用于基于所述第二目标样本图像的预测类别标签和所述原始样本图像的真实类别标签，确定对抗损失函数；
20、噪点信息更新模块，用于基于所述对抗损失函数对所述第一目标样本图像进行噪点更新，得到第三目标样本图像；
21、对抗图像生成模块，用于基于所述第三目标样本图像确定对抗样本图像。
22、第五方面，本申请实施例提供的一种电子设备，所述设备包括：
23、处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令被配置由所述处理器执行，所述可执行指令包括用于执行如第一方面、第二方面或者第三方面中所述的方法中的步骤。
24、第六方面，本申请实施例提供的一种计算机可读存储介质，其中，所述存储介质用于存储计算机可执行指令，所述可执行指令使得计算机执行如第一方面、第二方面或者第三方面中所述的方法中的步骤。
25、可以看出，在本申请实施例中，在确定对抗损失函数的过程中，并非直接基于第一目标样本图像的预测类别标签确定对抗损失函数，而是先对第一目标样本图像进行压缩及解压缩处理，再将压缩及解压缩后的第一目标样本图像(即第二目标样本图像)的预测类别标签作为确定对抗损失函数的基础，使得对抗损失函数与压缩及解压缩后的目标样本图像的预测类别标签是有关的；然后，基于对抗损失函数对第一目标样本图像进行噪点更新得到第三目标样本图像，由于对抗损失函数与压缩及解压缩后的目标样本图像的预测类别标签有关，使得第三目标样本图像所更新的噪点信息是考虑了因图像压缩所导致的噪点信息有损的情况；进而基于第三目标样本图像确定对抗样本图像，由于第三目标样本图像所更新的噪点信息考虑了因图像压缩所导致的噪点信息有损，因此在多次噪点更新的过程中，可以对因噪点信息有损所导致的对抗性进行了弥补，使得最终得到的对抗样本图像具有更强的对抗性，因此如果后续对对抗样本图像进行压缩存储，也能够确保解压缩后的对抗样本图像的对抗性。
本文档来自技高网...【技术保护点】
1.一种样本图像生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述扰动样本图像包括所述原始样本图像和噪点信息图像；
3.根据权利要求2所述的方法，其特征在于，所述基于所述噪点信息图像中的噪点像素的像素值进行相邻像素距离计算，得到第二子损失函数，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述第一目标样本图像进行压缩及解压缩处理，得到第二目标样本图像，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述第一目标样本图像进行图像压缩处理，得到压缩后的第一目标样本图像，包括：
6.根据权利要求1所述的方法，其特征在于，所述基于所述对抗损失函数对所述第一目标样本图像进行噪点更新，得到第三目标样本图像，包括：
7.根据权利要求1所述的方法，其特征在于，所述基于所述第三目标样本图像确定对抗样本图像，包括：
8.一种模型处理方法，其特征在于，所述方法包括：
9.一种模型处理方法，其特征在于，所述方法包括：
10.一种样本图像生成装置，
11.一种电子设备，其特征在于，所述设备包括：
12.一种计算机可读存储介质，其特征在于，所述存储介质用于存储计算机可执行指令，所述可执行指令使得计算机执行如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种样本图像生成方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述扰动样本图像包括所述原始样本图像和噪点信息图像；
3.根据权利要求2所述的方法，其特征在于，所述基于所述噪点信息图像中的噪点像素的像素值进行相邻像素距离计算，得到第二子损失函数，包括：
4.根据权利要求1所述的方法，其特征在于，所述对所述第一目标样本图像进行压缩及解压缩处理，得到第二目标样本图像，包括：
5.根据权利要求4所述的方法，其特征在于，所述对所述第一目标样本图像进行图像压缩处理，得到压缩后的第一目标样本图像，包括：
6.根据权利要求1所述的方法...
【专利技术属性】
技术研发人员：刘彦宏，
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：
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。