一种基于深度遗传编程的对抗扰动鲁棒艺术品媒介分类方法
计算机视觉与模式识别
2021-03-03 v1 符号计算
摘要
艺术品媒介分类问题是一个当前的研究领域，由于高价值艺术品的复杂特征提取与分析而备受关注。属性的感知不应是主观的，因为人类在确保自动化观察的可信度时有时会对艺术品产生有偏见的解释。机器学习通过从图像中自动提取特征的学习过程而非设计手工特征检测器，已在许多领域超越传统方法。然而，其可靠性相关的一个主要问题引起了关注：在输入图像中故意施加微小扰动（对抗攻击）可完全改变其预测。为此，我们预见两种应对方式：（1）解决当前神经网络方法中的对抗攻击问题，或（2）提出一种可挑战深度学习且不受对抗攻击影响的替代方法。前者尚未解决，且对抗攻击变得愈发难以防御。因此，本工作提出一种称为脑编程（Brain Programming）的深度遗传编程方法，该方法与深度学习竞争，并利用艺术专家构建的两个艺术品数据库研究对抗攻击的可迁移性。结果表明，与 AlexNet 相比，脑编程方法保持了其性能，使其对这些扰动具有鲁棒性，并与深度学习性能相竞争。
引用
@article{arxiv.2010.01238,
title = {A Deep Genetic Programming based Methodology for Art Media Classification Robust to Adversarial Perturbations},
author = {Gustavo Olague and Gerardo Ibarra-Vazquez and Mariana Chan-Ley and Cesar Puente and Carlos Soubervielle-Montalvo and Axel Martinez},
journal= {arXiv preprint arXiv:2010.01238},
year = {2021}
}
备注
13 pages, 3 figures, International Symposium on Visual Computing 2020