首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于强化学习的图像修复黑盒反取证方法、系统及终端 

申请/专利权人:深圳大学

申请日:2024-03-15

公开(公告)日:2024-07-05

公开(公告)号:CN118298145A

主分类号:G06V10/22

分类号:G06V10/22;G06V10/764;G06V10/77;G06V10/26;G06V10/82;G06N3/048;G06N3/0464;G06N3/092;G06N3/082;G06N3/0455;G06N3/084

优先权:

专利状态码:在审-实质审查的生效

法律状态:2024.07.23#实质审查的生效;2024.07.05#公开

摘要:本发明公开了一种基于强化学习的图像修复黑盒反取证方法、系统及终端,所述方法包括:获取目标修复图像,基于训练完成的策略优化网络和目标修复图像,生成第一攻击图像;将第一攻击图像输入到环境模型中,输出定位结果,并获取第一攻击图像对应的F1分数;基于训练完成的策略优化网络,将第一攻击图像作为迭代初始图像进行迭代,在每次迭代获取到对应的攻击图像后,获取对应的定位结果,基于定位结果计算F1分数,判断当前迭代是否到达终止状态;当到达终止状态时,结束迭代,并将最后一次迭代获取的攻击图像输出。本发明可以得到适用于攻击图像修复检测定位模型的攻击图像,可以促进鲁棒取证模型的设计。

主权项:1.一种基于强化学习的图像修复黑盒反取证方法,其特征在于,所述基于强化学习的图像修复黑盒反取证方法包括:获取目标修复图像,基于训练完成的策略优化网络和所述目标修复图像,生成第一攻击图像;将所述第一攻击图像输入到环境模型中,输出定位结果,并根据所述定位结果获取所述第一攻击图像对应的F1分数;基于训练完成的所述策略优化网络,将第一攻击图像作为迭代初始图像进行迭代,并在每次迭代获取到对应的攻击图像后,获取对应的定位结果,基于定位结果计算F1分数,根据当次迭代和前一次迭代的F1分数判断当前迭代是否到达终止状态;当到达终止状态时,结束迭代,并将最后一次迭代获取的攻击图像输出。

全文数据:

权利要求:

百度查询: 深圳大学 基于强化学习的图像修复黑盒反取证方法、系统及终端

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。