[发明专利]用于验证图像的方法和装置

说明书

本申请公开了用于验证图像的方法和装置，涉及计算机技术领域。该方法包括：获取待验证图像，并采用多个目标局部特征识别模型分别识别待验证图像的多个局部区域的第一局部特征；获取基准图像，并采用多个目标局部特征识别模型分别识别基准图像的多个局部区域的第二局部特征；针对多个目标局部特征识别模型中的每一个目标局部特征识别模型，获取采用目标局部特征识别模型识别出的第一局部特征、与采用目标局部特征识别模型识别出的第二局部特征之间的特征相似度；根据获取的多个特征相似度，确定待验证图像是否通过验证。采用该方法可以提高系统对对抗样本的防御性能以及提高验证图像的准确性。

技术领域

本公开涉及计算机技术领域，具体涉及用于验证图像的方法和装置。

背景技术

随着人工智能技术的快速发展，深度学习网络被广泛的应用于图像处理(如图像识别、图像转换)等领域。在基于深度学习网络执行图像处理任务时，通常会采用对抗防御方法以避免对抗样本对深度学习网络的攻击。现有的对抗防御方法包括：对输入网络的样本进行对抗样本检测，对深度学习网络进行对抗训练，或者对样本进行数据预处理。

然而，对抗样本检测的对抗防御方法存在防御度差，对抗训练以及样本数据预处理的对抗防御方法存在会导致深度学习网络对无噪声样本的检测性能差的问题。

发明内容

本公开提供了一种用于验证图像的方法、装置、电子设备以及计算机可读存储介质。

根据本公开的第一方面，提供了一种用于验证图像的方法，包括：获取待验证图像，并采用多个目标局部特征识别模型分别识别待验证图像的多个局部区域的第一局部特征；获取基准图像，并采用多个目标局部特征识别模型分别识别基准图像的多个局部区域的第二局部特征；针对多个目标局部特征识别模型中的每一个目标局部特征识别模型，获取采用目标局部特征识别模型识别出的第一局部特征、与采用目标局部特征识别模型识别出的第二局部特征之间的特征相似度；根据获取的多个特征相似度，确定待验证图像是否通过验证。

在一些实施例中，获取待验证图像，并采用多个目标局部特征识别模型分别识别待验证图像的多个局部区域的第一局部特征，包括：获取待验证人脸图像，并将待验证人脸图像划分为不同的人脸区域；针对待验证人脸图像中的每一个人脸区域，采用用于识别人脸区域的特征的目标局部特征识别模型识别该人脸区域的第一局部特征；获取基准图像，并采用多个目标局部特征识别模型分别识别基准图像的多个局部区域的第二局部特征，包括：获取基准人脸图像，并将基准人脸图像划分为不同的人脸区域；针对基准人脸图像中的每一个人脸区域，采用用于识别人脸区域的特征的目标局部特征识别模型识别该人脸区域的第二局部特征。

在一些实施例中，根据获取的多个特征相似度，确定待验证图像是否通过验证，包括：响应于确定多个特征相似度中，存在至少一个特征相似度满足第一相似度阈值，确定待验证图像通过验证。

在一些实施例中，根据获取的多个特征相似度，确定待验证图像是否通过验证，包括：响应于确定多个特征相似度中的每一个特征相似度均满足第二相似度阈值，确定待验证图像通过验证。

根据本公开的第二方面，提供了一种用于验证图像的方法，包括：获取待验证图像，并采用训练好的特征识别模型识别待验证图像的第一全局特征；获取基准图像，并采用训练好的特征识别模型识别基准图像的第二全局特征；响应于确定第一全局特征与第二全局特征之间的相似度满足第三相似度阈值，采用第一方面中的方法验证待验证图像；或者，响应于确定第一全局特征与第二全局特征之间的相似度不满足第三相似度阈值，确定待验证图像未通过验证。