【技术实现步骤摘要】
本专利技术涉及多任务学习模型鲁棒性测试领域，具体为提出了一种通过从语义分割辅助任务蒸馏目标检测任务相关信息，学习更通用和鲁棒的特征，生成高可转移性测试样本的方法与系统。整个系统采用基于注意力机制的特征链接方法进行知识蒸馏，构建目标检测代理模型集，提高所生成测试样本对黑盒模型的有效测试率。
技术介绍
1、模型鲁棒性测试是指测试者通过向原始输入数据添加人类难以感知的微妙扰动，生成测试样本，使得模型输出的结果错误，这对研究和提升模型的安全性具有重要意义。研究目标检测模型鲁棒性测试，可以更深入地理解目标检测模型的局限性和漏洞，并为模型的改进和加强提供指导。自动驾驶、安防监控、医学影像诊断等关键领域高度依赖于目标检测模型的准确性，因此，目标检测模型的鲁棒性测试问题引发了工业界的广泛研究与关注。现有的目标检测模型鲁棒性测试技术多在白盒设置下才能取得较好的测试效果，白盒测试允许攻击者了解目标检测模型的网络结构、参数和训练数据等。在真实场景中，测试者经常面临信息未知的黑箱模型，这较于白盒测试更具有挑战性。
2、目前，针对目标检测模型的黑盒鲁...
【技术保护点】
1.一种基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于包括如下步骤：
2.根据权利要求1所述的基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于：
3.根据权利要求1所述的基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于：
4.根据权利要求1所述的基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于：
5.根据权利要求1所述的基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于：
6.根据权利要求1所述的基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于：
7.根据权利要...
【技术特征摘要】
1.一种基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于包括如下步骤：
2.根据权利要求1所述的基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于：
3.根据权利要求1所述的基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于：
4.根据权利要求1所述的基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于：
5.根据权利要求1所述的基于跨任务学习的目标检测模型鲁棒性测试方法，其特征在于：
6.根据...
【专利技术属性】
技术研发人员：张艳宁，王鹏，王文萱，齐慧慧，
申请(专利权)人：西北工业大学，
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。