[發明專利]基于圖像高階引導編碼重組的對抗樣本恢復方法及系統

有效

• 申請號: 202110668108.8
• 申請日: 2021-06-16
• 公開（公告）號: CN113392906B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 劉興偉;朱珂;廖明陽;王波;羅旭日
• 申請（專利權）人: 西華大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06V10/764;G06V10/82
• 代理公司: 北京市領專知識產權代理有限公司 11590
• 代理人: 張玲

1.一種基于圖像高階引導編碼重組的對抗樣本恢復方法，其特征在于，包括以下步驟：

獲取待恢復的對抗樣本，所述對抗樣本為圖像樣本；

將所述對抗樣本輸入預先訓練好的編碼器中，由該編碼器將對抗樣本編碼為特征向量，并在該特征向量中引入高斯噪聲；

將引入高斯噪聲的特征向量歸一化后輸入預先訓練好的解碼器中，由該解碼器將引入高斯噪聲的特征向量解碼為圖像，輸出得到恢復后的圖像樣本；

其中，所述編碼器和解碼器同時訓練，編碼器的輸出作為解碼器的輸入，并在訓練過程中引入圖像分類器對解碼器輸出的圖像樣本進行分類，解碼器輸出的圖像樣本的損失為類別損失與圖像損失之和，所述圖像損失為輸入圖像和輸出圖像的回歸損失；訓練所采用的樣本為正常樣本。

2.根據權利要求1所述的基于圖像高階引導編碼重組的對抗樣本恢復方法，其特征在于，所述解碼器采用改進的U-net網絡，在橫向連接時直接復制后拼接到后面對稱結構的向量中，上采樣過程中采取雙線性插值的方法，第一層卷積結果與最后一次上采樣結果做求和運算。

3.根據權利要求2所述的基于圖像高階引導編碼重組的對抗樣本恢復方法，其特征在于，將引入高斯噪聲的特征向量歸一化處理的步驟中，采用sigmoid函數對引入高斯噪聲的特征向量進行歸一化處理。

4.根據權利要求3所述的基于圖像高階引導編碼重組的對抗樣本恢復方法，其特征在于，針對于訓練數據集為CIFAR-10數據集、圖像分類器采用VGG16的情況，類別損失的系數為，高斯噪聲的系數。

5.根據權利要求1所述的基于圖像高階引導編碼重組的對抗樣本恢復方法，其特征在于，所述編碼器為CNN卷積網絡。

6.一種基于圖像高階引導編碼重組的對抗樣本恢復系統，其特征在于，包括：

樣本收集模塊，用于獲取待恢復的對抗樣本，所述對抗樣本為圖像樣本；

噪聲引入模塊，用于將所述對抗樣本輸入預先訓練好的編碼器中，由該編碼器將對抗樣本編碼為特征向量，并在該特征向量中引入高斯噪聲；

圖像恢復模塊，用于將引入高斯噪聲的特征向量歸一化后輸入預先訓練好的解碼器中，由該解碼器將引入高斯噪聲的特征向量解碼為圖像，輸出得到恢復后的圖像樣本；

第一訓練模塊，用于同時訓練編碼器和解碼器，編碼器的輸出作為解碼器的輸入，并在訓練過程中引入預先訓練好的圖像分類器對解碼器輸出的圖像樣本進行分類，解碼器輸出的圖像樣本的損失為類別損失與圖像損失之和，所述圖像損失為輸入圖像和輸出圖像的回歸損失；訓練所采用的樣本為正常樣本。

7.根據權利要求6所述的基于圖像高階引導編碼重組的對抗樣本恢復系統，其特征在于，還包括第二訓練模塊，用于訓練得到所述圖像分類器。

8.根據權利要求6所述的基于圖像高階引導編碼重組的對抗樣本恢復系統，其特征在于，所述解碼器采用改進的U-net網絡，在橫向連接時直接復制后拼接到后面對稱結構的向量中，上采樣過程中采取雙線性插值的方法，第一層卷積結果與最后一次上采樣結果做求和運算。

9.一種包括計算機可讀指令的計算機可讀存儲介質，其特征在于，所述計算機可讀指令在被執行時，使處理器執行權利要求1-5任一所述方法中的步驟。

10.一種電子設備，其特征在于，包括：

存儲器，存儲程序指令；

處理器，與所述存儲器相連接，執行存儲器中的程序指令，實現權利要求1-5任一所述方法。