通过抑制高频分量进行对抗防御
计算机视觉与模式识别
2019-09-04 v3 机器学习
图像与视频处理
摘要
近期工作表明，在图像分类数据集上训练的深度神经网络偏向于纹理。这些模型很容易被对干净图像施加微小高频扰动所欺骗。在本文中，我们通过去除高频分量来学习鲁棒的图像分类模型。具体而言，我们基于离散傅里叶变换（DFT）开发了一个可微分的高频抑制模块。结合对抗训练，我们在 IJCAI-2019 阿里巴巴对抗 AI 挑战赛中获得了第 5 名。我们的代码已在线提供。
引用
@article{arxiv.1908.06566,
title = {Adversarial Defense by Suppressing High-frequency Components},
author = {Zhendong Zhang and Cheolkon Jung and Xiaolong Liang},
journal= {arXiv preprint arXiv:1908.06566},
year = {2019}
}
备注
3 pages. This paper is a technical report of the 5th place solution in the IJCAI-2019 Alibaba Adversarial AI Challenge. This paper has been accepted by the corresponding workshop