一种基于反面部美学的对抗样本生成方法

本发明公开一种基于反面部美学的对抗样本生成方法，在给定的输入数据和目标模型条件下，首先计算损失函数相对于输入数据的梯度，以确定扰动的方向。然后，沿着梯度方向逐步更新输入数据，使得模型的损失函数值逐渐增大，从而增加模型对输入数据的预测误差。结合了反面部审美偏好学习、面部模糊损失和特征余弦损失，形成了全面的优化策略，以实现高效的对抗样本生成。