[发明专利]一种用于图像处理的神经网络以及相关设备

权利要求书

1.一种神经网络的训练方法，其特征在于，所述方法包括：

将对抗图像分别输入第一特征提取网络和第二特征提取网络，得到所述第一特征提取网络生成的第一鲁棒表示和所述第二特征提取网络生成的第一非鲁棒表示，其中，所述对抗图像为对原始图像进行过扰动处理的图像，鲁棒表示指的是对扰动不敏感的特征，非鲁棒表示指的是对扰动敏感的特征；

将所述第一鲁棒表示输入分类网络，得到分类网络输出的第一分类类别，将所述第一非鲁棒表示输入分类网络，得到分类网络输出的第二分类类别；

根据第一损失函数，对所述第一特征提取网络和所述第二特征提取网络进行迭代训练，直至满足收敛条件，输出训练后的第一特征提取网络和训练后的第二特征提取网络；

其中，所述第一损失函数用于表示所述第一分类类别和第一标注类别之间的相似度，且用于表示所述第二分类类别和第二标注类别之间的相似度，所述第一标注类别为与所述对抗图像对应的正确类别，所述第二标注类别为与所述对抗图像对应的错误类别。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述原始图像分别输入所述第一特征提取网络和所述第二特征提取网络，得到所述第一特征提取网络生成的第二鲁棒表示和所述第二特征提取网络生成的第二非鲁棒表示；

将所述第二鲁棒表示和所述第二非鲁棒表示组合，得到组合后的第一表示；

将组合后的第一表示输入分类网络，以通过分类网络根据所述组合后的第一表示执行分类操作，得到分类网络输出的第三分类类别；

所述根据第一损失函数，对所述第一特征提取网络和所述第二特征提取网络进行迭代训练，直至满足收敛条件，包括：

根据所述第一损失函数和第二损失函数，对所述第一特征提取网络和所述第二特征提取网络进行迭代训练，直至满足收敛条件，其中，所述第二损失函数用于表示所述第三分类类别与第三标注类别之间的相似度，所述第三标注类别为与所述原始图像对应的正确类别。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述原始图像输入所述第一特征提取网络，得到所述第一特征提取网络生成的第二鲁棒表示；

将所述第二鲁棒表示输入分类网络，以通过分类网络根据所述第二鲁棒表示执行分类操作，得到分类网络输出的第四分类类别；

所述根据第一损失函数，对所述第一特征提取网络和所述第二特征提取网络进行迭代训练，直至满足收敛条件，包括：

根据所述第一损失函数和第三损失函数，对所述第一特征提取网络和所述第二特征提取网络进行迭代训练，直至满足收敛条件，其中，所述第三损失函数用于表示所述第四分类类别与第三标注类别之间的相似度，所述第三标注类别为与所述原始图像对应的正确类别。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述原始图像输入所述第二特征提取网络，得到所述第二特征提取网络生成的第二非鲁棒表示；

将所述第二非鲁棒表示输入分类网络，以通过分类网络根据所述第二非鲁棒表示执行分类操作，得到分类网络输出的第五分类类别；

所述根据第一损失函数，对所述第一特征提取网络和所述第二特征提取网络进行迭代训练，直至满足收敛条件，包括：

根据所述第一损失函数和第四损失函数，对所述第一特征提取网络和所述第二特征提取网络进行迭代训练，直至满足收敛条件，其中，所述第四损失函数用于表示所述第五分类类别与第三标注类别之间的相似度，所述第三标注类别为与所述原始图像对应的正确类别。