- 1、本文档共10页,其中可免费阅读9页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明属于计算机软件领域,具体为一种增强图像分类鲁棒性的方法,能够增强分类模型的抗干扰性与鲁棒性。目的在于能够防御大多数传统白盒对抗样本的攻击。主要包括,对抗样本检测网络生成模块:通过在原始分类器基础上添加神经网络层来构建一个对抗样本检测网络该网络主要识别对抗样本;判断阈值生成模块:利用常用的对抗样本方法来找到对抗样本检测网络合适的判断阈值。增强模型生成模块:在原始模型的图像分类器的分类基础上,结合前述检测网络的分类结果进一步训练得到一个增强的图像分类器,最后利用增强后的图像分类器来进行图像的分
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112926661 A
(43)申请公布日 2021.06.08
(21)申请号 202110222508.6
(22)申请日 2021.02.26
(71)申请人 电子科技大学
地址
文档评论(0)