无锚框模型类梯度全局对抗样本生成方法、系统及设备

本发明属于深度学习对抗攻击技术领域，公开了一种无锚框模型类梯度全局对抗样本生成方法、系统及设备，所述无锚框模型类梯度全局对抗样本生成方法首先利用输入图像中的目标类，以类为单位收集类梯度，按照此方式进行梯度收集可以利用类内目标梯度上的相似性，避免直接叠加扰动对扰动性能的影响，进而生成图片尺度扰动。在此基础上，基于一定数量的图像尺度扰动形成针对人体姿态估计任务的全局扰动，全局扰动克服了现有对抗扰动生成方法基于图片或基于后选框的缺点，可以针对大量数据形成有效的干扰，同时在推断速度上基本达到实时攻击的要求。实验结果验证了全局对抗扰动算法的有效性。