[发明专利]对抗数据生成方法、装置、设备及存储介质

权利要求书

1.一种对抗数据生成方法，其特征在于，所述方法包括：

获取第一目标数据；

获取对抗数据生成模型，所述对抗数据生成模型根据样本原始数据训练得到，所述对抗数据生成模型的训练目标为生成的对抗数据与对应的原始数据被划分为不同的类别，且所述生成的对抗数据与对应的原始数据之间的差异趋向于最小；

基于所述对抗数据生成模型，生成所述第一目标数据对应的对抗数据。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取第一原始数据；

基于对抗数据生成模型，生成所述第一原始数据对应的第一对抗数据；

基于判别模型，对所述第一原始数据和所述第一对抗数据进行判别处理，得到判别结果，所述判别模型用于确定所述第一对抗数据与所述第一原始数据之间的差异；

基于分类模型，对所述第一对抗数据进行分类处理，得到所述第一对抗数据的类别；

根据所述判别结果和所述类别，对所述对抗数据生成模型和所述判别模型进行训练，以使所述对抗数据生成模型生成的对抗数据与对应的原始数据被划分为不同的类别，且所述对抗数据生成模型生成的对抗数据与对应的原始数据之间的差异趋向于最小。

3.根据权利要求2所述的方法，其特征在于，所述判别结果包括所述第一原始数据对应的第一数据和所述第一对抗数据对应的第二数据；

所述根据所述判别结果和所述类别，对所述对抗数据生成模型和所述判别模型进行训练，包括：

根据所述第二数据、所述类别和生成损失函数，对所述对抗数据生成模型进行训练，以使所述生成损失函数的输出值趋向于最小；

根据所述第一数据、所述第二数据和判别损失函数，对所述判别模型进行训练，以使所述判别损失函数的输出值趋向于最小。

4.根据权利要求3所述的方法，其特征在于，所述生成损失函数包括第一损失函数和第二损失函数；

所述第一损失函数为：

所述第二损失函数为：

l₂＝-l_classify(G_θ,G(x),y_true)

所述判别损失函数为：

其中，l₁为所述第一损失函数，l₂为所述第二损失函数，l_d为所述判别损失函数，N为所述第一原始数据的数量，x为所述第一原始数据，G(x)为所述第一对抗数据，x_i为第i个第一原始数据，G(x_i)为第i个第一对抗数据，D(x_i)为第i个第一数据，D(G(x_i))为第i个第二数据，G_θ为所述对抗数据生成模型的参数，l_classify(G_θ,G(x),y_true)为分类损失函数，y_true为所述第一原始数据的类别。

5.根据权利要求4所述的方法，其特征在于，所述生成损失函数还包括距离损失函数；

所述距离损失函数为：

其中，l_distance(G_θ,x,G(x))为所述距离损失函数，W为所述第一原始数据中像素的宽度，H为所述第一原始数据中像素的高度，x_w,h为位于所述第一原始数据中宽度为w、高度为h的像素点，为位于所述第一对抗数据对应的第一数据中宽度为w、高度为h的像素点。

6.一种对抗数据生成装置，其特征在于，所述装置包括：

第一数据获取单元，被配置为获取第一目标数据；

模型获取单元，被配置为获取对抗数据生成模型，所述对抗数据生成模型根据样本原始数据训练得到，所述对抗数据生成模型的训练目标为生成的对抗数据与对应的原始数据被划分为不同的类别，且所述生成的对抗数据与对应的原始数据之间的差异趋向于最小；

第一生成单元，被配置为基于所述对抗数据生成模型，生成所述第一目标数据对应的对抗数据。