我正在尝试关注此博客https://brunolopezgarcia.github.io/2018/05/09/Crafting-adversarial-faces.html以针对 Facenet 生成对抗性人脸图像。代码在这里https://github.com/tensorflow/cleverhans/tree/master/examples/facenet_adversarial_faces并且工作正常！我的问题是如何导出这些对抗性图像。这个问题是不是太直白了，所以博文没有提及，只展示了一些样图。
我在想这不是一个难题，因为我知道生成的对抗样本在“adv”中。但是这个 adv (float32) 来自 faces1，经过预白化和标准化。要从 adv(float32) 恢复 int8 图像，我必须反转标准化和预白化过程。看起来如果我们想从 facenet 输出一些图像，我们必须做这个过程。
我是 Facenet 和 Cleverhans 的新手，我不确定这是否是最好的方法，还是人们从 Facenet 导出图像的常用方法（例如函数）。
在 facenet_fgsm.py 中，我们终于得到了对抗样本。我需要将 adv 导出为纯 int 图像。
adv = sess.run(adv_x, feed_dict=feed_dict)
在 set_loader.py 中。有某种标准化。
def load_testset(size):
# Load images paths and labels
pairs = lfw.read_pairs(pairs_path)
paths, labels = lfw.get_paths(testset_path, pairs, file_extension)
# Random choice
permutation = np.random.choice(len(labels), size, replace=False)
paths_batch_1 = []
paths_batch_2 = []
for index in permutation:
paths_batch_1.append(paths[index * 2])
paths_batch_2.append(paths[index * 2 + 1])
labels = np.asarray(labels)[permutation]
paths_batch_1 = np.asarray(paths_batch_1)
paths_batch_2 = np.asarray(paths_batch_2)
# Load images
faces1 = facenet.load_data(paths_batch_1, False, False, image_size)
faces2 = facenet.load_data(paths_batch_2, False, False, image_size)
# Change pixel values to 0 to 1 values
min_pixel = min(np.min(faces1), np.min(faces2))
max_pixel = max(np.max(faces1), np.max(faces2))
faces1 = (faces1 - min_pixel) / (max_pixel - min_pixel)
faces2 = (faces2 - min_pixel) / (max_pixel - min_pixel)
在 facenet.py load_data 函数中，有一个 prewhiten 过程。
nrof_samples = len(image_paths)
images = np.zeros((nrof_samples, image_size, image_size, 3))
for i in range(nrof_samples):
img = misc.imread(image_paths[i])
if img.ndim == 2:
img = to_rgb(img)
if do_prewhiten:
img = prewhiten(img)
img = crop(img, do_random_crop, image_size)
img = flip(img, do_random_flip)
images[i,:,:,:] = img
return images
希望高手能指点一下facenet或cleverhans中的一些隐藏功能，可以直接导出adv图像，否则逆向归一化和预白化过程似乎很尴尬。非常感谢。