一种基于梯度惩罚的计算机视觉特征提取方法

本申请涉及一种基于梯度惩罚的计算机视觉特征提取方法，对多媒体数据进行预处理；将预处理后的多媒体数据及其标注信息输入至神经网络模型，计算第一损失函数；基于第一损失函数对神经网络模型的输入数据进行反向传播，得到第一损失函数对输入数据的一阶导数；根据第一损失函数对输入数据的一阶导数计算梯度惩罚损失函数；根据第一损失函数和梯度惩罚损失函数对神经网络模型进行二次反向传播，二次反向传播的目标为模型参数，并更新模型参数；重复执行，直至达到最大训练次数，得到训练完成的神经网络模型；将待提取特征的医学的多媒体数据输入至训练完成的神经网络模型，输出预测结果。该方法可提升模型识别精度，同时可提升模型对抗攻击的能力。