针对图像-点云融合感知模型的对抗补丁生成方法和设备

本申请涉及一种针对图像‑点云融合感知模型的对抗补丁生成方法和设备，通过获取第一图像，根据第一图像随机初始化掩码和全局扰动，并根据掩码将全局扰动叠加到第一图像上，得到第二图像；获取与第一图像相对应的点云数据，将第二图像和点云数据输入至神经网络模型进行训练，得到神经网络模型的感知热力图；根据感知热力图和实际物体分布的相似性，确定神经网络模型的感知类型；根据感知类型确定对抗补丁的部署位置，并基于部署位置对对抗补丁进行建模，得到第三图像；其中，全局感知模型的部署位置包括第一图像中的环境背景，局部感知模型的部署位置包括第一图像中的目标物体；降低了对抗样本的部署成本和难度。