[发明专利]提高目标检测模型鲁棒性的对抗训练方法及目标检测方法

权利要求书

1.一种提高目标检测模型鲁棒性的对抗训练方法，所述目标检测模型包括辨别器Net1和检测器Net2；其特征在于，所述对抗训练方法包括以下步骤：

步骤1：采集干净样本图片作为训练数据集，并攻击样本图片，攻击的迭代次数为i，其中i=0则为输入干净的样本图片，攻击后生成的图片记为I；

步骤2：将I输入辨别器Net1，获得权重向量W(I)=[w1,w2,w3]；其中w1,w2,w3表示生成的权重值，它们被用于控制动态卷积；

步骤3：将权重W(I)与检测器Net2的动态卷积结合，使其感知对抗强度；设第j层动态卷积的参数组为{convj1,convj2,convj3}，则与W(I)结合后，第j层最终采用的卷积参数为(convj1*w1+convj2*w2+convj3*w3)；

步骤4：将I输入已感知对抗强度的Net2中，获得检测结果Net2(I)；

步骤5：根据迭代次数i，获得W(I)的真值Wgt；

步骤6：将Wgt与W(I)计算L2损失，并以此损失反向传播，更新Net1的网络参数；

步骤7：将Net2(I)与训练数据集中给出的目标检测真值标签计算multibox损失，并以此损失反向传播，更新Net2的网络参数；

步骤8：重复步骤1-7，训练Net1与Net2至收敛，获得训练好的Net1与Net2。

2.根据权利要求1所述的提高目标检测模型鲁棒性的对抗训练方法，其特征在于：步骤1中，随机选取N张样本图片并预处理为预设的大小；其中N为训练批次大小；对其中的N/2张图片施加一次迭代的基于PGD攻击的MTD方法攻击，生成N/2张对抗样本，其对抗攻击强度为i=1；将N/2张对抗样本与N/2张干净样本合并作为一个训练批次batch，输入到Net1中；

在后续训练迭代中，重新选择干净样本，保持上一迭代的对抗样本，重复执行迭代，当迭代次数大于i后，重置i=1，并重新选取对抗样本。

3.根据权利要求1所述的提高目标检测模型鲁棒性的对抗训练方法，其特征在于：步骤5中，根据i值获取Wgt向量的数值，若i=0，则Wgt=[1,0,0]；若i∈{1,2,3}，则Wgt=[0,1,0]；若i∈{18,19,20}，则Wgt=[0,0,1]。

4.根据权利要求1所述的提高目标检测模型鲁棒性的对抗训练方法，其特征在于：步骤6中，将Wgt与W(I)计算L2损失，如下：

当i∈[5,17]时，不计算损失，不更新辨别器Net1的网络参数。