摘要
本发明公开了一种基于改进的ViT损失分布差异的对抗样本检测方法及系统,所述方法包括:获取干净样本,所述干净样本为无类别标签的图像样本;构建检测模型,所述检测模型为采用分层注意力机制和注意力池化机制改进的ViT模型;将所获取的干净样本进行总变差降噪,然后将降噪前后的干净样本输入检测模型,以均方误差作为损失函数训练模型;对待检测样本进行总变差降噪,然后将降噪前后的待检测样本分别输入训练好的检测模型,计算待检测样本降噪前后损失的均方误差;最后,计算待检测样本的K‑S值、Z‑score标准分,并由此判定待检测样本是否为对抗样本。本发明能够有效提高检测模型的性能。
技术关键词
样本检测方法
分层注意力
样本检测系统
特征加权融合
损失函数优化
计算机可读指令
误差
纹理特征
存储程序指令
图像
模型训练模块
标签
机制
编码器
存储器
可读存储介质
处理器
系统为您推荐了相关专利信息
预测分析方法
港口集装箱吞吐量
MLP神经网络
梯度提升树模型
多层感知机
风险评估模型
多任务损失函数
融合策略
基因表达谱数据
多模态
尼龙复合材料
多层次
老化现象
生成对抗网络
高维特征向量
残差结构
特征提取网络
注意力机制
抑制背景噪声
特征强化融合