[發(fā)明專利]一種基于生成的對(duì)抗攻擊方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110204784.X
• 申請(qǐng)日: 2021-02-24
• 公開（公告）號(hào): CN112884802B
• 公開（公告）日: 2023-05-12
• 發(fā)明（設(shè)計(jì)）人: 王正奕;廖勇;成日冉;周惠;蔡木目心;王旭鵬
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06T7/223
• 分類號(hào): G06T7/223;G06T7/246;G06T9/00;G06T3/40;G06T5/50;G06V10/74;G06V10/80;G06V10/82;G06N3/0475;G06N3/047;G06N3/0464;G06N3/094
• 代理公司: 成都華風(fēng)專利事務(wù)所(普通合伙) 51223
• 代理人: 張巨箭

1.一種基于生成的對(duì)抗攻擊方法，其特征在于：包括以下步驟：

計(jì)算跟蹤模板和搜索區(qū)域的種子點(diǎn)集的相似度編碼數(shù)據(jù)，將從跟蹤模板提取的特征和所述相似度編碼數(shù)據(jù)進(jìn)行融合得到增強(qiáng)特征；

將所述增強(qiáng)特征輸入至二項(xiàng)分布編碼層，所述二項(xiàng)分布編碼層為每個(gè)點(diǎn)學(xué)習(xí)出一個(gè)伯努利分布用于描述點(diǎn)的過濾狀態(tài)；利用過濾狀態(tài)蒸餾得到對(duì)抗性模板；

利用所述對(duì)抗性模板生成多個(gè)提案，和它們對(duì)應(yīng)的概率得分，作為目標(biāo)位置的候選區(qū)域；具有最高概率得分的提案會(huì)被選擇作為最終的預(yù)測(cè)結(jié)果；

利用定位損失函數(shù)L_loc，同時(shí)降低被聚合成一個(gè)組的所有提案的得分，被定義為：

式中，R表示按照得分排序后的提案，p、q、r分別表示被聚合成組的提案的下標(biāo)范圍。

2.根據(jù)權(quán)利要求1所述的一種基于生成的對(duì)抗攻擊方法，其特征在于：所述計(jì)算跟蹤模板和搜索區(qū)域的種子點(diǎn)集的相似度編碼數(shù)據(jù)，包括：

利用下采樣的方式分別提取跟蹤模板的第一種子點(diǎn)集和搜索區(qū)域的第二種子點(diǎn)集；

以計(jì)算得到的第一種子點(diǎn)集和第二種子點(diǎn)集的余弦距離，作為潛在相似度編碼數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的一種基于生成的對(duì)抗攻擊方法，其特征在于：所述將從跟蹤模板提取的特征和所述相似度編碼數(shù)據(jù)進(jìn)行融合得到增強(qiáng)特征，包括：

將第一種子點(diǎn)集進(jìn)行上采樣，得到跟蹤模板的潛在特征；

將所述潛在特征與重復(fù)了多次計(jì)算的相似度編碼數(shù)據(jù)進(jìn)行拼接融合，得到增強(qiáng)特征。

4.根據(jù)權(quán)利要求2所述的一種基于生成的對(duì)抗攻擊方法，其特征在于：所述方法還包括：

將潛在相似度編碼數(shù)據(jù)作為特征損失L_feat，以在一個(gè)潛在的特征空間中區(qū)分跟蹤模板和搜索空間：

式中，Sim′表示跟蹤模板和搜索空間的潛在相似度編碼數(shù)據(jù)，d₂表示相似度編碼的維度，i表示維度的下標(biāo)。

5.根據(jù)權(quán)利要求1所述的一種基于生成的對(duì)抗攻擊方法，其特征在于：所述二項(xiàng)分布編碼層為每個(gè)點(diǎn)學(xué)習(xí)出一個(gè)伯努利分布用于描述點(diǎn)的過濾狀態(tài)，包括：

利用拉伸過后的binary?concrete分布實(shí)現(xiàn)點(diǎn)過濾并將過濾狀態(tài)附在跟蹤模板的每個(gè)點(diǎn)上，所述binary?concrete分布的區(qū)間范圍為(γ，ζ)區(qū)間，其中γ0且ζ1。

6.根據(jù)權(quán)利要求5所述的一種基于生成的對(duì)抗攻擊方法，其特征在于：所述增加特征輸入至利用拉伸過后的binary?concrete分布實(shí)現(xiàn)點(diǎn)過濾，并將過濾狀態(tài)附在跟蹤模板的每個(gè)點(diǎn)上，包括：

給定一個(gè)隨機(jī)變量s服從binaryconcrete分布φ位于(0，1)區(qū)間內(nèi)，且可以用q_s(s|φ)作為該分布的概率密度，Q_s(s|φ)作為其累積概率；所述binary?concrete分布φ用參數(shù)φ＝(logα，β)表示，其中l(wèi)ogα表示位置，β表示溫度；所述binary?concrete分布用一個(gè)服從均勻分布的隨機(jī)變量u～U(0，1)來重參數(shù)化，表示為：

s＝Sigmoid((logu-log(1-u)+logα)/β)

將binaryconcrete分布拉伸至(γ，ζ)區(qū)間，其中γ0且ζ1，再使用hard-sigmoid對(duì)其進(jìn)行截?cái)嗵幚淼玫絟ard-concrete分布：

式中，z表示過濾狀態(tài)，z_i∈{0，1}；

所述利用過濾狀態(tài)蒸餾得到對(duì)抗性模板包括：

過濾狀態(tài)z_i＝0的點(diǎn)被過濾器過濾掉，生成對(duì)抗性模板。

7.根據(jù)權(quán)利要求6所述的一種基于生成的對(duì)抗攻擊方法，其特征在于：所述方法還包括：

利用L₀正則化，作為過濾損失函數(shù)；其中，L0正則化被定義為hard-concrete分布在大于零點(diǎn)的累積概率：

8.根據(jù)權(quán)利要求1所述的一種基于生成的對(duì)抗攻擊方法，其特征在于：所述方法還包括：

利用L2距離作為感知損失函數(shù)L_perc，被用來約束數(shù)據(jù)的改變，被定義為：

式中，表示對(duì)抗性模板，P_tmp表示跟蹤模板，表示對(duì)抗性模板的點(diǎn)，x_i表示跟蹤模板的點(diǎn)。