一种基于恶意样本净化的模型测试时自适应方法及其系统

本发明属于计算机视觉相关技术领域，其公开了一种基于恶意样本净化的模型测试时自适应方法及其系统，方法包括：将当前样本批次分为良性样本和恶意样本；计算每个样本的显著性指标；确定当前样本批次中的待净化样本，待净化样本包括恶意样本；针对每个待净化样本，选择与之显著性距离最大的良性样本作为配对样本，利用图像融合技术对待净化样本及其配对样本进行融合，生成净化样本及其模型预测概率的伪标签；结合当前样本批次和所得的净化样本，以最小化总损失函数为优化目标对当前待优化模型进行参数优化。通过本发明方案，可以提高测试数据的利用率，由此可以通过采集更少的测试数据便能实现较好的模型参数优化效果。