【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种图像处理方法、装置、终端设备和存储介质。
技术介绍
1、常用的深度学习神经网络的决策边界通常非常复杂，尤其是在高维空间中。这种复杂性使得在一些图像处理任务中，在使用深度学习神经网络模型时会对输入数据的微小变化非常敏感，因此容易受到对抗样本的攻击，从而做出错误的分类决策。而对抗样本，是指在原始数据上通过添加微小扰动生成的，且能够误导机器学习模型产生错误预测的特殊样本。对抗样本的生成利用了模型在训练过程中的弱点，通过添加微小的、精心设计的扰动来误导模型，使其做出错误的预测。这些扰动往往难以被人类观察者察觉，但对于机器学习模型来说却是致命的。因此，研究如何防御对抗样本、提高模型的鲁棒性是当前图像处理领域的一个重要课题。
2、传统的机器学习和深度学习方法在训练过程中主要依赖大量标注好的干净的图像样本。而对抗样本的生成方式多种多样，且往往具有高度的隐蔽性，这使得模型很难在训练过程中接触到这些对抗样本并学会抵御它们，从而现有的图像处理方法所应用的模型在遇到对抗样本时，往往无法对其进行有效的识别和防御，...
【技术保护点】
1.一种图像处理方法，其特征在于，包括：
2.如权利要求1所述的一种图像处理方法，其特征在于，当所述待处理图像为待修复图像时，所述将所述待处理图像输入至预设的图像处理模型中，以使所述图像处理模型输出所述待处理图像对应的已处理图像，包括：
3.如权利要求1所述的一种图像处理方法，其特征在于，当所述待处理图像为待去模糊图像时，所述将所述待处理图像输入至预设的图像处理模型中，以使所述图像处理模型输出所述待处理图像对应的已处理图像，包括：
4.如权利要求1所述的一种图像处理方法，其特征在于，当所述待处理图像为待去噪图像时，所述将所述待处理图...
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
2.如权利要求1所述的一种图像处理方法，其特征在于，当所述待处理图像为待修复图像时，所述将所述待处理图像输入至预设的图像处理模型中，以使所述图像处理模型输出所述待处理图像对应的已处理图像，包括：
3.如权利要求1所述的一种图像处理方法，其特征在于，当所述待处理图像为待去模糊图像时，所述将所述待处理图像输入至预设的图像处理模型中，以使所述图像处理模型输出所述待处理图像对应的已处理图像，包括：
4.如权利要求1所述的一种图像处理方法，其特征在于，当所述待处理图像为待去噪图像时，所述将所述待处理图像输入至预设的图像处理模型中，以使所述图像处理模型输出所述待处理图像对应的已处理图像，包括：
5.如权利要求1所述的一种图像处理方法，其特征在于，...
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。