一种基于对抗空间变换网络的鲁棒特征深度学习方法

摘要

本发明属于人工智能领域，公开了一种基于对抗空间变换网络的鲁棒特征深度学习方法。实现步骤：读取训练集中带标注的图像数据；将带标注的图像数据输入分类器网络并计算分类器损失；依据需求读取训练集中的图像数据；将读取的图像数据输对抗空间变换网络得到变换后的图像；将变换前的和变换后的图像输入分类器网络分别得到原始图像和变换后的图像对应的分类器输出；对原始和变换后的图像对应的分类器输出值计算一致性损失；对分类器损失和一致性损失加权求和；优化目标函数，更新对抗空间变换网络和分类器网络参数。本发明能有效提高深度学习模型对于不同分布样本的泛化能力以及自适应能力，同时对于干扰和污损样本也具有较好的抗干扰能力。