原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
随着对抗样本的出现，人们对于人工智能的安全性尤为担忧，因为只需要添加少量的扰动就可以误导模型的判断。因此大量的研究聚焦于分类模型的鲁棒性，从而使分类模型的对抗防御已经取得了显著的进展。然而，很少有对针对目标检测鲁棒性的研究，因为训练目标检测模型需要大量的算力。其次是目前的研究很难缩短干净样本和对抗样本的性能差，换句话说，目前的目标检测对抗防御模型的干净样本精度和对抗样本的精度差距过大。为了缓解这一问题，我们提出了一种基于双线性插值的统一视角目标检测鲁棒性模型，能准确地识别干净样本和对抗样本。首先
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 117036867 A
(43)申请公布日 2023.11.10
(21)申请号 202311146205.6
(22)申请日 2023.09.06
(71)申请人 贵州大学
地址 550025
文档评论（0）