基于扰动特征恢复的神经网络特定误分类修复方法

本发明涉及一种基于扰动特征恢复的神经网络特定误分类修复方法，属于误分类修复技术领域，解决了现有技术中特定类别区分能力不足、误分类修复的原模型分类准确率下降的问题。具体步骤包括：利用经原始图像数据集训练得到的神经网络模型对待分类图像数据集进行初始分类；在待分类图像数据集中筛选出被分类为类别P的图像样本数据作为怀疑集；基于怀疑集和训练后的特征映射模型，对经初始特征提取器提取的潜在特征进行扰动特征修复；利用训练后的验证器验证修复后特征是否对应特定误分类，是，则对怀疑集中被误分类为类别P的图像样本数据进行修复，得到修复后的分类结果；实现了保持原模型准确率不大幅下降的同时完成了特定误分类的修复。