模型鲁棒性评估方法、平台、装置、存储介质及程序产品

本申请提供一种模型鲁棒性评估方法、平台、装置、存储介质及程序产品，涉及计算机视觉技术领域，能够评估在多种噪声下深度神经网络模型在图像分类任务中的鲁棒性，为构建更加鲁棒的深度神经网络模型提供支持。该方法包括：在第一图像集包含的每个原始图像中添加噪声，得到包含多个噪声图像的第二图像集，每个噪声图像对应一个原始图像。之后，将第二图像集输入深度神经网络模型，得到每个噪声图像的预测类别。最后，基于每个原始图像的类别和每个噪声图像的预测类别，确定在噪声下深度神经网络模型在图像分类任务中的鲁棒性。