技术特征：
技术总结
本发明实施例提供一种提高深度学习模型鲁棒性的方法及装置，其中，所述方法包括：利用预设的反交叉熵训练方法训练深度神经网络，获得训练好的深度神经网络分类器；将目标图像输入所述深度神经网络分类器，利用预设的联合分数阈值输出方法，计算所述目标图像的预测类别并判断是否输出所述预测类别。本发明实施例能够在对抗环境中使得深度神经网络分类器在对抗样本上有很高的比例拒绝返回预测类别，而在正常样本上有很高的比例选择返回预测类别，且深度神经网络分类器在所有输入样本上所选择返回的预测类别的准确率较高，大大提高了深度学习模型的鲁棒性。
技术研发人员：朱军;庞天宇;杜超
受保护的技术使用者：清华大学
技术研发日：2017.07.19
技术公布日：2017.12.12