【技术实现步骤摘要】
本申请实施例涉及计算机视觉领域，更具体地涉及一种图像处理方法、相关装置及存储介质。
技术介绍
1、对抗攻击研究如何针对深度学习模型生成对抗图像，对抗图像可以输入深度学习模型，基于深度学习模型对对抗图像的识别结果可以确定模型是否安全。这有助于及时发现深度学习模型的脆弱性，评估深度学习模型的鲁棒性。一些对抗攻击方法在数字世界中生成添加较小对抗扰动的对抗图像，可以促使对抗样本无法被深度学习模型正确识别或将其识别为指定的标签。
2、车道线检测对于自动驾驶来说是一项非常重要且具有挑战的任务，利用车道线检测可以指导车辆行驶在正确的区域内，为自动驾驶汽车的车道保持、变道超车、自动巡航等行为提供依据。因此，一旦车道线检测无法检测到正确的车道线，将会对自动驾驶车辆带来巨大安全隐患。为了防患于未然，可以生成针对车道线检测模型的对抗图像，发现并挖掘车道线检测模型的缺陷，以便针对此问题对车道线检测模型进行修复和加固，提升车道线检测模型的鲁棒性和安全性。
3、然而，目前缺少针对车道线检测模型生成对抗图像，以挖掘和发现模型缺陷的方法。
技术实现思路
1、本申请实施例提供一种图像处理方法、相关装置及存储介质,可以根据候选对抗图像的第一车道线检测结果获取候选对抗图像的梯度，并根据所述梯度迭代更新候选对抗扰动，从而得到能够实现车道线对抗攻击的目标对抗图像。
2、第一方面，本申请实施例提供一种图像处理方法，该方法包括：
3、获取候选对抗图像，其中，所述候选对抗图像基于历
4、基于所述候选对抗图像获取第一车道线检测结果；
5、基于所述第一车道线检测结果和第二车道线检测结果，获取目标相似度，其中，所述第二车道线检测结果基于对抗攻击的攻击方式获取；
6、若所述目标相似度不符合预设条件，则基于所述候选对抗图像的梯度获取候选对抗扰动；
7、基于所述候选对抗扰动更新所述候选对抗图像，直至目标相似度符合所述预设条件，并将目标相似度符合所述预设条件时的候选对抗图像作为目标对抗图像。
8、第二方面，本申请实施例提供一种图像处理装置，具有实现对应于上述第一方面提供的图像处理方法的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，所述模块可以是软件和/或硬件。
9、在一个实施方式中，所述图像处理装置包括：
10、输入输出模块，被配置为获取目标路段图像；
11、处理模块，被配置为获取候选对抗图像，其中，所述候选对抗图像基于历史候选对抗图像更新得到，所述历史候选对抗图像包括目标路段图像；
12、所述处理模块，还被配置为基于所述候选对抗图像获取第一车道线检测结果；
13、所述处理模块，还被配置为基于所述第一车道线检测结果和第二车道线检测结果，获取目标相似度，其中，所述第二车道线检测结果基于对抗攻击的攻击方式获取；以及
14、若所述目标相似度不符合预设条件，则基于所述候选对抗图像的梯度获取候选对抗扰动；以及
15、基于所述候选对抗扰动更新所述候选对抗图像，直至目标相似度符合所述预设条件，并将目标相似度符合所述预设条件时的候选对抗图像作为目标对抗图像。
16、第三方面，本申请实施例提供一种计算机可读存储介质，其包括指令，当其在计算机上运行时，使得计算机执行如第一方面所述的图像处理方法。
17、第四方面，本申请实施例提供一种计算设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现第一方面所述的图像处理方法。
18、相较于现有技术，本申请实施例中，根据候选对抗图像的车道线检测结果，对基于目标路段图像生成的候选对抗图像计算梯度，以实现候选对抗扰动的更新，使得基于候选对抗扰动最终得到的目标对抗图像满足要求，能够实现预定的对抗攻击目的。相比于现有技术需要基于自动驾驶系统的车辆控制信息(例如转向、变道等行车指令)反向更新对抗图像，或者直接修改目标路段图像的带有颜色的标识线(例如白线、黄线和双黄线等)，本申请实施例生成目标对抗图像时，不需要依赖自动驾驶系统，而只需要车道线检测结果，实施条件简单，且不是对目标路段图像的带有颜色的标识线进行修改，更加不容易被肉眼发现，隐蔽性强。另外，由于本申请一些实施例中基于候选对抗图像的梯度在预设值域的投影获取候选对抗扰动并进行自身的更新，即对抗扰动被约束在一定的值域空间内，而不是一些现有技术的扰动更新量不受约束的仅仅实现对抗攻击目的即可，所以可以更加隐蔽，不容易被肉眼发现。本申请实施例提出了一种操作简单、成本低且易实现的车道线检测模型的缺陷发掘方法，能够针对车道线检测模型可能存在的缺陷低沉本地生成对抗图像，从而可以衡量车道线检测模型的安全性，并对不安全的车道线检测模型的缺陷进行有针对性的修复和加固。
本文档来自技高网...【技术保护点】
1.一种图像处理方法，所述方法包括：
2.如权利要求1所述的方法，其中，所述目标对抗图像用于对车道线检测模型进行有目标攻击或无目标攻击；
3.如权利要求1或2所述的方法，其中，所述基于所述候选对抗图像的梯度获取候选对抗扰动，包括：
4.如权利要求3所述的方法，其中，所述基于所述候选对抗图像和所述梯度，计算扰动更新信息，包括：
5.如权利要求1或2所述的方法，其中，车道线检测结果的数据格式为向量或者多维矩阵，所述车道线检测结果用于生成车道线点串或车道线向量，所述车道线点串或所述车道线向量用于在路段图像中显示车道线。
6.如权利要求3所述的方法，其中，所述基于所述目标更新信息得到所述候选对抗扰动，包括：
7.如权利要求6所述的方法，其中，在目标相似度符合所述预设条件时，所述方法还包括：
8.一种图像处理装置，包括：
9.一种计算设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。
1
...【技术特征摘要】
1.一种图像处理方法，所述方法包括：
2.如权利要求1所述的方法，其中，所述目标对抗图像用于对车道线检测模型进行有目标攻击或无目标攻击；
3.如权利要求1或2所述的方法，其中，所述基于所述候选对抗图像的梯度获取候选对抗扰动，包括：
4.如权利要求3所述的方法，其中，所述基于所述候选对抗图像和所述梯度，计算扰动更新信息，包括：
5.如权利要求1或2所述的方法，其中，车道线检测结果的数据格式为向量或者多维矩阵，所述车道线检测结果用于生成车道线点串或车道线向量，所述车道线点串或所述车道线向量用于在路段图像中...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：北京瑞莱智慧科技有限公司，
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。