基于深度学习的抗梯度噪声的缺陷检测器python源码+文档说明+模型的预训练

# 抗梯度噪声的缺陷检测器 #### 介绍 SRDP项目抗梯度噪声的缺陷检测器代码库 基于深度学习的缺陷检测器仍继承了深度学习模型对对抗样本的脆弱性。探索并克服深度学习模型的脆弱性有助于保障缺陷检测器在智能制造领域的高效应用。申请人拟借助现有的对抗攻击方案和防御措施构造一种抗梯度噪声的缺陷检测器。该项目首先借助现存梯度对抗攻击方案生成梯度噪声，即采用快速梯度下降法（Fast Gradient Sign Method，FGSM）和映射梯度下降法（Projected Gradient Descent，PGD）两种方法生成梯度噪声以探索缺陷检测器脆弱性；其次借助对抗训练方法，将在原始输入样本中加上上述过程生成的梯度噪声得到的对抗样本加入到训练样本中以增强训练集；然后，令缺陷检测器在添加了对抗样本的训练集上训练以此提升缺陷检测器对该类噪声的鲁棒性。需要注意的是，该项目针对resnet、efficientnet-b0、dense121三类缺陷检测器进行脆弱性探索和鲁棒性提升。具体而言，该项目预期使用FGSM和PGD两种方式生成对抗样本对三类缺陷检测器的攻击成功率均达到90%以上，在使用对抗训练后使攻击成功率降到50%以下。