基于单步迭代的通用鲁棒分类器训练方法及系统

本发明提供了一种基于单步迭代的通用鲁棒分类器训练方法及系统，包括：图像融合掩码生成器，用于衡量损失曲面的线性指示器，平坦最小损失优化模块。所述掩码生成器在频域中对低频部分进行采样生成空域中连续的无固定形状的掩码，用于进行图像增广。所述的线性指示器衡量损失曲面沿着对抗扰动方向的线性增长程度用于快速训练中的抑制灾难性过拟合。所述的平坦最小损失优化模块旨在提升损失最小化时的损失曲面平坦度。本发明提供的方法有效提升对抗训练效率，避免陷入单步对抗训练灾难性过拟合，在各种骨干网络和数据集上有很强的通用性。
上海交通大学
骆源 | 陈仁杰