[发明专利]一种面向姿态估计深度神经网络的扰动图像生成方法

权利要求书

1.一种面向姿态估计深度神经网络的扰动图像生成方法，其特征是：具体包括以下步骤：

S1、将图像x输入至目标神经网络K中，得到结果P0；

S2、将结果P0重组后生成结果P1，并将P0作为图像x的标签，将P1作为图像x的第一次训练结果；

S3、将结果P0和结果P1输入至目标神经网络K中，产生P0与P1的误差值Loss(P0，P1)，并获取该误差值Loss(P0，P1)的梯度方向，然后将该梯度方向乘以系数λ作为单次迭代的结果，即单次噪声值z；

S4、通过多次迭代训练获取噪声值累加z'，并将z'做规范化处理之后，使图像x与z'叠加得到对抗样本，即生成扰动图a。

2.根据权利要求1所述的一种面向姿态估计深度神经网络的扰动图像生成方法，其特征是：步骤S1中所述的神经网络K为人体姿态估计神经网络或手势识别神经网络，所述神经网络K可针对人体姿态生成扰动，或对人体手势生成扰动。

3.根据权利要求1所述的一种面向姿态估计深度神经网络的扰动图像生成方法，其特征是：步骤S2中将结果P0重组后生成结果P1的方法为：将结果P0中的关键点随机移动至另一个位置作为P1。

4.根据权利要求1所述的一种面向姿态估计深度神经网络的扰动图像生成方法，其特征是：步骤S3中所述的获取误差值Loss(P0，P1)的梯度方向采用快速梯度下降法，且仅获取变化梯度的方向，非取值。

5.根据权利要求1所述的一种面向姿态估计深度神经网络的扰动图像生成方法，其特征是：步骤S4中所述的多次迭代训练获取噪声值累加z'的过程中，不真正改变神经网络K的权重值，确保仅攻击图片本身而非目标神经网络；且步骤S4中将z'做规范化处理之后，用于确保最终生成的噪声值在视觉效果扰动方面不被察觉。