AdCorDA：通过对抗校正与领域适应精炼分类器
计算机视觉与模式识别
2024-01-25 v1 人工智能
机器学习
摘要
本文描述了一种简单而有效的精炼预训练分类器网络的技术。所提出的 AdCorDA 方法基于对训练集的修改以及利用网络权重与层输入之间的对偶性。我们将此称为输入空间训练。该方法由两个阶段组成——对抗校正，随后是领域适应。对抗校正使用对抗攻击来纠正错误的训练集分类。将训练集中被错误分类的样本移除，并用对抗校正后的样本替换以形成新的训练集，然后在第二阶段，执行回到原始训练集的领域适应。广泛的实验验证表明，在 CIFAR-100 数据集上准确率提升了超过 5%。该技术可直接应用于权重量化神经网络的精炼，实验表明其性能比基线有显著提升。对抗校正技术还增强了对对抗攻击的鲁棒性。
引用
@article{arxiv.2401.13212,
title = {AdCorDA: Classifier Refinement via Adversarial Correction and Domain Adaptation},
author = {Lulan Shen and Ali Edalati and Brett Meyer and Warren Gross and James J. Clark},
journal= {arXiv preprint arXiv:2401.13212},
year = {2024}
}