针对HR-Net检测器的基于扩散模型的对抗样本生成方法及装置

本申请涉及人工智能技术领域，公开了一种针对HR‑Net检测器的基于扩散模型的对抗样本生成方法及装置。所述方法使用变分自编码器将图像编码到潜在空间，生成潜在表示；在潜在空间中生成扰动：每次迭代中，由PGD梯度攻击方法生成扰动，通过自注意力和交叉注意力优化扰动后，使用自适应权重来平衡与融合上述优化后的扰动。此外，在每次迭代计算中引入多尺度特征感知扰动损失函数，以生成针对性干扰HR‑Net多分辨率特征提取和融合过程的对抗扰动，进而增强扰动的效果。最后使用变分自解码器将增加当前扰动后的潜在表示解码回图像空间，能够得到隐匿性好、转移性高的高质量对抗样本，使用该对抗样本进行鲁棒性训练，能够显著提高HR‑Net检测器的安全性。