[發明專利]一種對抗點云生成方法、存儲介質和終端

有效

• 申請號: 202011285190.8
• 申請日: 2020-11-17
• 公開（公告）號: CN112365582B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 廖勇;王正奕;蔡木目心;成日冉;桑楠;王旭鵬
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06V10/764;G06V10/774;G06V10/82;G06N3/04
• 代理公司: 成都華風專利事務所(普通合伙) 51223
• 代理人: 張巨箭

本發明公開了一種對抗點云生成方法、存儲介質和終端，方法包括：利用編碼器提取原始點云的局部特征；利用解碼器通過局部特征學習每個點被丟棄的概率，從而生成對抗點云；其中，通過局部特征學習每個點被丟棄的概率包括：利用Hard Concrete分布描述丟棄點的操作，生成丟棄標志來選擇點進行丟棄操作。本發明方法生成的對抗點云能夠最大程度地保留原始點云所包含的信息，且由于采用丟棄點的方法生成對抗樣本，一些防御手段對該對抗樣本便無法發揮防御作用；從可視化的角度而言，相較于過去的對抗樣本生成策略，本發明通過丟棄點形成空洞從而生成對抗樣本，直觀上更符合實際場景中采集三維點云數據時出現空洞的情況，更加不易被察覺。

技術領域

本發明涉及點云數據處理領域，尤其涉及一種對抗點云生成方法、存儲介質和終端。

背景技術

由于3D傳感器被廣泛地使用、計算機性能的提升和廣泛的應用場景，近年來深度學習在點云上的關注度越來越高，由于大多數深度3D模型都在一些對安全性要求較高的場景下，比如機器人、自動駕駛，它們對可靠性的要求都很高。目前3D模型的可靠性相對于2D模型來說還十分低，已有的工作也表明了這些深度模型對于對抗攻擊是十分脆弱的。對抗攻擊一般用于測試深度模型的魯棒性，但是由于點云數據的非結構性、3D搜索空間較大和對人眼感知要求較高，對抗點云的生成是具有一定困難的。

過去通過對點在特定的約束(如：L2范數)下進行局部擾動來生成對抗點云，相較于原始點云，這種對抗點云存在較多的外圍噪聲點。另一方面，通過丟棄點來生成對抗點云的方法也被提出。其中一種方法是通過計算每個點對分類損失的貢獻得到對應的顯著性值，得到關鍵點集，再從關鍵點集中選擇點進行丟棄來實現對抗點云的生成。這種方法生成的對抗點云與原始點云相比存在一些空洞，但是由于空洞的產生在3D數據的采集過程中是十分常的，人眼也因此較難感知到。然而前面提到的這些方法都較為耗時且沒有樣本生成能力，這就限制了上述方法的應用場景。

發明內容

本發明的目的在于克服現有技術的不足，提供一種對抗點云生成方法、存儲介質和終端。

本發明的目的是通過以下技術方案來實現的：

本發明的第一方面，提供一種對抗點云生成方法，包括以下步驟：

利用編碼器提取原始點云的局部特征；

利用解碼器通過局部特征學習每個點被丟棄的概率，從而生成對抗點云；

其中，所述通過局部特征學習每個點被丟棄的概率包括：利用Hard Concrete分布描述丟棄點的操作，生成丟棄標志來選擇點進行丟棄操作。

進一步地，所述編碼器提取原始點云的局部特征包括：

利用下采樣器對于原始點云進行下采樣，生成至少一個子集，所述子集包括一定比例的原始點云點；

利用分組提取抽象特征模塊分別提取原始點云和子集的特征；

利用插值模塊使原始點云的特征和子集的特征具有相同大小。

進一步地，所述利用解碼器通過局部特征學習每個點被丟棄的概率，從而生成對抗點云，包括：

利用聚合模塊將插值后的原始點云的特征和子集的特征進行聚合；

利用全連接模塊對聚合后的特征進行全連接，并得到位置參數；

通過所述位置參數和溫度參數，利用Hard Concrete分布描述丟棄點的操作；

生成丟棄標志來選擇點進行丟棄操作，生成對抗點云。

進一步地，所述方法還包括：

利用損失函數對編碼器和解碼器進行更新；