一种基于结构改进的图像分类模型鲁棒性增强方法及系统

本发明提供了一种基于结构改进的图像分类模型鲁棒性增强方法及系统，涉及人工智能技术领域；本发明在传统图像分类模型的结构基础上进行了优化，在改进的分类模型中采用DWT模块进行处理，使其在频域内分析图像并有效分离和处理图像的高频和低频信息，增强多尺度信息建模能力；在中高层引入CondConv模块，让分类模型根据输入特征来动态地调整卷积核，提高特征提取的适应性；在分类模型后端加入DAM模块动态自适应地调整重要特征的权重，减少对无关扰动的敏感度；经过实验表明，本发明能够进一步增强模型的鲁棒性能，使其在FGSM、PGD和C&W等常见攻击下保持更高的分类稳定性。