通过置换聚类分配实现的对抗对比学习
机器学习
2022-04-22 v1 人工智能
计算机视觉与模式识别
摘要
对比学习作为一种有效的自监督表示学习方法已日益流行。若干研究方向对传统对比方法进行了改进，例如原型对比方法通过考虑聚类原型或聚类分配更好地捕捉实例间的语义相似性并降低计算负担，而对抗性实例级对比方法则提升了对多种攻击的鲁棒性。据我们所知，此前尚无工作同时考虑鲁棒性、聚类级语义相似性与计算效率。在本工作中，我们提出 SwARo，一种将聚类分配置换用于生成代表性对抗样本的对抗对比框架。我们在多个基准数据集上以及针对多种白盒与黑盒攻击对 SwARo 进行了评估，相较最先进的基线方法取得了持续的改进。
引用
@article{arxiv.2204.10314,
title = {Adversarial Contrastive Learning by Permuting Cluster Assignments},
author = {Muntasir Wahed and Afrina Tabassum and Ismini Lourentzou},
journal= {arXiv preprint arXiv:2204.10314},
year = {2022}
}