摘要
本发明公开了一种干扰生成对抗网络驱动的知识蒸馏方法，该方法首先获取由三通道RGB格式图像构成的图像分类数据集。其次构建干扰生成对抗网络AD‑GAN，包括教师模型、学生模型和干扰生成模型，三个模型输入均为图像分类数据集中的图像，教师和学生模型输出为图像类别预测的置信度向量，干扰生成模型的输出为带干扰的图像。最后对三个模型进行对抗训练，一个训练批次分为干扰生成模型训练阶段和学生模型蒸馏训练阶段，两者的训练分别使用独立的优化器，干扰生成模型作为对抗训练中的生成器，教师和学生模型共同作为判别器。本发明增强了学生模型的泛化能力和抗噪性能，为资源受限场景提供实用且高效的解决方案。
