[發明專利]一種面向交通信息感知的目標隱身對抗樣本生成方法

在審

• 申請號: 202210914923.2
• 申請日: 2022-08-01
• 公開（公告）號: CN115359336A
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 黃世澤;張肇鑫;劉曉雯;張兵杰;秦晉哲;宋冠群
• 申請（專利權）人: 同濟大學
• 主分類號: G06V10/82
• 分類號: G06V10/82;G06N3/04;G06N3/08;G06V10/764;G06F17/10
• 代理公司: 上海科律專利代理事務所(特殊普通合伙) 31290
• 代理人: 葉鳳

1.一種面向交通信息感知的目標隱身對抗樣本生成方法，其特征在于，包括以下步驟：

(1)獲取待檢測原始圖片；

(2)將待檢測圖片輸入到YOLOv4目標檢測網絡；

(3)設計對抗損失函數；

(4)計算待檢測圖片在YOLOv4目標檢測網絡中的損失值；

(5)利用梯度算法計算對抗擾動；

(6)利用擾動截取方法將對抗擾動限制在目標區域；

(7)對抗樣本為原始圖片和對抗擾動進行相加。

2.根據權利要求1所述的面向交通信息感知的目標隱身對抗樣本生成方法，其特征在于，主要攻擊的目標檢測網絡為YOLOv4網絡。

3.根據權利要求1所述的面向交通信息感知的目標隱身對抗樣本生成方法，其特征在于，步驟(3)中所述的設計對抗損失函數，其公式如下：

其中，L代表目標分類結果置信度的損失函數；

x代表輸入原始圖像；

N代表原始圖像中的目標個數；

代表原始圖像的分類結果置信度；

C代表對抗樣本的分類結果置信度；

代表計算出來的對抗擾動；

M代表YOLOv4目標檢測網絡模型；

θ是YOLOv4目標檢測網絡的網絡結構參數。

4.根據權利要求1所述的面向交通信息感知的目標隱身對抗樣本生成方法，其特征在于，步驟(5)中所述的利用梯度算法計算整張圖片上的對抗擾動，通過如下公式計算如下：

其中，sign()為符號函數；

為損失函數對應的梯度；

α為學習率；

t為某次迭代過程；

x是輸入圖像；

是計算出來的對抗擾動。

5.根據權利要求1所述的面向交通信息感知的目標隱身對抗樣本生成方法，其特征在于，步驟(6)中所述的利用擾動截取方法將對抗擾動限制在目標區域，其公式如下：

其中，為圖像截取之后的對抗擾動；

I_X為圖像像素位置坐標；

b為單個目標的坐標區域；

B為圖像的分辨率大小；

b_X為目標的坐標區域；

box_top，box_left，box_bottom，box_right分別為b_X坐標區域的橫坐標最小值，縱坐標最小值，橫坐標最大值，縱坐標最大值。

6.根據權利要求1所述的面向交通信息感知的目標隱身對抗樣本生成方法，其特征在于，步驟(6)中所述的對抗樣本為原始圖片和對抗樣本進行相加，其公式如下：

其中，為對抗樣本；

x是輸入圖像；

為對抗擾動。