目标检测深度模型对抗样本防御方法及系统

    公开(公告)号:CN117077134A

    公开(公告)日:2023-11-17

    申请号:CN202310962630.6

    申请日:2023-08-01

    Abstract: 本发明提供了一种目标检测深度模型对抗样本防御方法及系统,该方法包括:步骤S1:修改目标检测模型的网络结构,按照设定规则嵌入降噪网络层、还原模块、跳跃连接结构;步骤S2:结合多任务学习策略,获取并利用原始图像训练集添加随机扰动作为输入,对所述嵌入降噪网络层的修改后目标检测模型进行训练调优;步骤S3:获取待目标检测图像,将待目标检测图像输入至训练好的修改后目标检测模型中实现鲁棒的目标检测。本发明能够有效提高目标检测模型在对抗攻击场景下的鲁棒性。相较于传统预处理防御以及对抗训练技术,具有通用型强、训练成本低、防御效果好等特点和优势。

    基于对抗防御的鲁棒雷达目标检测方法及系统

    公开(公告)号:CN117169840A

    公开(公告)日:2023-12-05

    申请号:CN202311036580.5

    申请日:2023-08-16

    Abstract: 本发明提供了一种基于对抗防御的鲁棒雷达目标检测方法及系统,包括:步骤S1:对获取的雷达回波数据进行距离‑多普勒处理得到RD图像,对RD图像进行能量聚焦,最后处理聚焦后的RD图像得到实验数据集;步骤S2:构建对抗攻击鲁棒的目标检测深度神经网络模型;步骤S3:采用训练集对目标检测深度神经网络模型进行训练得到训练后的检测神经网络模型;步骤S4:利用训练后的检测神经网络模型对测试集图像进行目标检测,获得检测的查准率和查全率,并计算得到检测的各类别平均精度;所述目标检测深度神经网络模型是基于EfficientNet与对抗防御模块结合的Defense‑EfficientNet深度学习网络实现针对雷达目标的有效检测。

Patent Agency Ranking