扰动生成模型的训练方法和装置.pdf

(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CN114170479A(43)申请公布日2022.03.11(21)申请号202111517324.9(22)申请日2021.12.09(71)申请人京东科技信息技术有限公司地址100176北京市大兴区经济技术开发区科创十一街18号院2号楼6层601(72)发明人傅少鹏何凤翔沈力陶大程(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06V10/774(2022.01)G06K9/62(2022.01)G06N3/08(2006.01)权利要求书2页说明书10页附图4页(54)发明名称扰动生成模型的训练方法和装置(57)摘要本公开的实施例公开了扰动生成模型的训练方法和装置。该方法的一具体实施方式包括：获取训练数据集，其中，训练数据集中的训练数据包括原始图像和原始标签；获取初始扰动生成模型和目标函数，其中，目标函数的优化目标包括最小化损失函数，损失函数的优化目标包括最大化扰动损失，扰动损失表示扰动图像的输出标签和对应的原始标签之间的差异，扰动图像基于对原始图像添加扰动生成；利用训练数据集和目标函数，对扰动生成模型进行训练，得到训练完成的扰动生成模型。该实施方式实现了一种新的扰动生成方法，以利用生成的扰动避免图像被对抗训练学习。CN114170479ACN114170479A权利要求书1/2页1.一种扰动生成模型的训练方法，包括：获取训练数据集，其中，所述训练数据集中的训练数据包括原始图像和原始标签；获取初始扰动生成模型和目标函数，其中，所述目标函数的优化目标包括最小化损失函数，损失函数的优化目标包括最大化扰动损失，扰动损失表示扰动图像的输出标签和对应的原始标签之间的差异，扰动图像基于对原始图像添加扰动生成；利用所述训练数据集和目标函数，对所述扰动生成模型进行训练，得到训练完成的扰动生成模型。2.根据权利要求1所述的方法，其中，所述扰动图像通过如下步骤生成：对原始图像添加第一扰动，得到第一图像；对所述第一图像进行数据增强，得到增强图像；根据所述增强图像，生成扰动图像。3.根据权利要求2所述的方法，其中，所述根据所述增强图像，生成扰动图像，包括：对所述增强图像添加第二扰动，得到扰动图像。4.根据权利要求3所述的方法，其中，所述数据增强为随机数据增强。5.根据权利要求4所述的方法，其中，所述目标函数的优化目标还包括最小化所述最大化扰动损失的期望。6.根据权利要求1‑5之一所述的方法，其中，所述利用所述训练数据集和目标函数，对所述扰动生成模型进行训练，包括：利用投影梯度法对所述目标函数进行优化，确定使得损失函数最小的扰动；根据所确定的扰动更新所述初始扰动生成模型的参数。7.一种图像处理方法，包括：获取原始图像集；对于所述原始图像集中的原始图像，执行如下处理步骤：利用预先训练的扰动生成模型确定该原始图像对应的目标扰动，其中，所述扰动生成模型的训练数据集包括所述原始图像集，所述目标扰动为满足所述扰动生成模型的目标函数的优化目标的扰动；为该原始图像添加所述目标扰动。8.一种扰动生成模型的训练装置，包括：第一获取单元，被配置成获取训练数据集，其中，所述训练数据集中的训练数据包括原始图像和原始标签；第二获取单元，被配置成获取初始扰动生成模型和目标函数，其中，所述目标函数的优化目标包括最小化损失函数，损失函数的优化目标包括最大化扰动损失，扰动损失表示扰动图像的输出标签和对应的原始标签之间的差异，扰动图像基于对原始图像添加扰动生成；训练单元，被配置成利用所述训练数据集和目标函数，对所述扰动生成模型进行训练，得到训练完成的扰动生成模型。9.一种图像处理装置，包括：第三获取单元，被配置成获取原始图像集；处理单元，被配置成对于所述原始图像集中的原始图像，执行如下处理步骤：2CN114170479A权利要求书2/2页利用预先训练的扰动生成模型确定该原始图像对应的目标扰动，其中，所述扰动生成模型的训练数据集包括所述原始图像集，所述目标扰动为满足所述扰动生成模型的目标函数的优化目标的扰动；为该原始图像添加所述目标扰动。10.一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1‑7中任一所述的方法。11.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1‑7中任一所述的方法。3CN114170479A说明书1/10页扰动生成模型的训练方法和装置技术领域[0001]本公开的实施例涉及计算机技术领域，具体涉及扰动生成模型的训练方法和装置。背景技术[0002]当前网络上存在海量可以随意访问的图像数