[发明专利]对抗样本生成方法、模型训练方法、处理方法及电子设备

权利要求书

1.一种对抗样本生成方法，包括：

基于空间注意力机制，对与当前轮迭代对应的图像的图像特征数据进行第一处理，得到与当前轮迭代对应的图像的第一图像特征向量，所述第一图像特征向量包含多个通道对应的第一特征向量；

对与所述当前轮迭代对应的图像的图像特征数据进行第二处理，得到与当前轮迭代对应的图像的第二图像特征向量，所述第二图像特征向量包含多个通道对应的第二特征向量；

对由分散度函数和特征通道权重函数构成的函数组进行求导，得到求导后的函数组，基于所述求导后的函数组，根据与所述当前轮迭代对应的图像的第二图像特征向量和与所述当前轮迭代对应的图像的第一图像特征向量，得到与当前轮迭代对应的图像的梯度值，其中，所述分散度函数是用于基于与每轮迭代对应的图像的第一图像特征向量计算分散度的函数，所述特征通道权重函数是用于基于通道注意力机制，根据与每轮迭代对应的图像的第二图像特征向量计算特征通道权重的函数；

根据与所述当前轮迭代对应的图像的梯度值和与所述当前轮迭代对应的图像，得到与下一轮迭代对应的图像；

将满足预定迭代条件的图像确定为所述对抗样本；

其中，所述基于空间注意力机制，对与当前轮迭代对应的图像的图像特征数据进行第一处理，得到与当前轮迭代对应的图像的第一图像特征向量，包括：

根据与所述当前轮迭代对应的图像，得到与当前轮迭代对应的图像的第一中间图像特征向量；

基于空间注意力机制，对与所述当前轮迭代对应的图像进行特征提取，得到与当前轮迭代对应的图像的空间注意力权重矩阵；

根据与所述当前轮迭代对应的图像的第一中间图像特征向量和与所述当前轮迭代对应的图像的空间注意力权重矩阵，得到与所述当前轮迭代对应的图像的第一图像特征向量；

其中，所述对与所述当前轮迭代对应的图像的图像特征数据进行第二处理，得到与当前轮迭代对应的图像的第二图像特征向量，包括：

对与所述当前轮迭代对应的图像的图像特征数据进行变形处理，得到与所述当前轮迭代对应的图像的第二图像特征向量；

其中，所述分散度函数是用于基于与每轮迭代对应的图像的第一图像特征向量计算分散度的函数，包括：

对所述第一图像特征向量中的多个通道对应的第一特征向量进行第一特征转换处理，得到所述第一图像特征向量中的每个通道对应的第一中间特征向量；

对所述第一图像特征向量中的每个通道对应的第一中间特征向量进行计算，得到所述第一图像特征向量中的每个通道对应的第一中间特征向量的分散度；

将所述第一图像特征向量中的每个通道对应的第一中间特征向量的分散度构建分散度矩阵，得到与每轮迭代对应的图像的第一图像特征向量的分散度；

其中，所述特征通道权重函数是用于基于通道注意力机制，根据与每轮迭代对应的图像的第二图像特征向量计算特征通道权重的函数，包括：

对与所述每轮迭代对应的图像的第一图像特征向量进行处理，得到与每轮迭代对应的图像的第三图像特征向量；

对所述第三图像特征向量进行转置处理，得到转置后的第三图像特征向量；

根据所述转置后的第三图像特征向量和所述第二图像特征向量，得到与每轮迭代对应的图像的特征通道权重。

2.根据权利要求1所述的方法，其中，所述第三图像特征向量包含多个通道对应的第三特征向量；

所述对所述第三图像特征向量进行转置处理，得到转置后的第三图像特征向量，包括：

对所述第三图像特征向量中的每个通道对应的第三特征向量进行第二特征转换处理，得到所述第三图像特征向量中的每个通道对应的第二中间特征向量；

对所述第三图像特征向量中的每个通道对应的第二中间特征向量构建中间第三图像特征向量；

对所述中间第三图像特征向量进行转置处理，得到所述转置后的第三图像特征向量。

3.根据权利要求1所述的方法，其中，所述根据与所述当前轮迭代对应的图像的梯度值和与所述当前轮迭代对应的图像，得到与下一轮迭代对应的图像，包括：

确定与所述当前轮迭代对应的图像的更新步长；

基于与所述当前轮迭代对应的图像的梯度值和与所述当前轮迭代对应的图像的更新步长，得到与所述当前轮对应的图像的更新梯度值；

根据与所述当前轮迭代对应的图像的更新梯度值和与所述当前轮迭代对应的图像，得到与所述下一轮迭代对应的图像。