基于特征匹配的鲁棒神经网络训练方法

摘要

本发明公开了一种基于特征匹配的鲁棒神经网络训练方法，包括以下步骤：A、初始化第一阶段模型，第一阶段模型包括骨干网络，特征匹配模块和fullple损失函数；B、使用原始训练数据训练第一阶段模型，得到第二阶段模型；C、攻击第二阶段模型，生成原始训练数据的PGD对抗样本，用生成的对抗样本和原始训练数据再次训练第二阶段模型；D、调整训练参数，再次对第二阶段模型进行训练，保存模型在原始测试集上具有最高准确率时的参数。本发明能够解决现有技术的不足，可以显著提高神经网络对对抗攻击的鲁棒性，并且不增加网络的可训练参数。