摘要
一种针对目标检测任务的图像加密方法,从数据集中加载原始图像并进行预处理,包括数据增强、归一化、尺寸调整;加载目标检测模型D,并冻结其全部参数;基于加载的原始图像生成对应的初始加密图像并设置为训练状态;首轮训练,将原始图像和初始加密图像作为冻结的目标检测模型D的输入,目标检测模型D分别提取两幅图像的中间层特征,同时输出检测结果;基于提取的中间层特征和检测结果,利用联合损失函数Λ,对加密图像进行反向传播,计算梯度,并根据梯度更新加密图像的像素值,得到优化的加密图像;从第二轮起,每轮训练都将原始图像和上一轮优化的加密图像作为输入,经过多轮训练,直到满足特定的停止条件,得到最终的加密图像。
技术关键词
图像加密方法
联合损失函数
中间层
策略更新
深度神经网络
随机噪声
检测头
数据
像素
因子
特征值
坐标
尺寸
参数
机制
动态
系统为您推荐了相关专利信息
深度学习网络模型
构建深度学习网络
机器学习模型
切片
对象
高度阀
异常识别方法
调节杆
融合语义分割
巡检机器人
路径优化方法
智能推理
有向无环图
分布式算法
决策
去块方法
神经网络模型
轻量化卷积神经网络
卷积神经网络训练
图像指标
融合深度神经网络模型
时序特征
规模
多模态
跨模态