摘要
本发明提供一种生成不可感知的三维点云对抗样本的方法,包括以下迭代优化过程:基于目标模型对当前点云的语义梯度反馈及所述点云的几何属性,通过可学习的显著性预测模型动态确定点云中每个点的归一化显著性得分;通过基于分位数阈值与sigmoid门控函数的映射规则自适应分配用于调制扰动的逐点连续权重;利用所述逐点连续权重对一可学习扰动潜变量进行调制,生成当前迭代的对抗点云;总损失函数包括引导错误分类的分类损失项、限制扰动幅度的结构保持损失项,以及维持几何一致性的距离损失项;基于所述总损失函数,通过梯度反向传播同步优化参数,实现端到端可微分训练;重复上述过程直至满足预设终止条件,并输出最终的三维点云对抗样本。
技术关键词
样本
变量
非暂态计算机可读存储介质
sigmoid函数
参数
动态
多通道特征
点云局部
语义
非线性特征
档位
融合特征
批量
分层
数据
控制模块
连续性
系统为您推荐了相关专利信息
实测频率
时间序列特征
电力系统频率响应
时序
时间序列算法
模型训练方法
投影模块
工业互联网
对齐模块
时序
组合预测方法
长短期记忆网络
天气
场景
聚类算法
资源配置信息
终端设备
网络设备
RRC信令
发送信道状态信息