一种增强 CNN 鲁棒性的有效融合方法
计算机视觉与模式识别
2022-06-23 v2
摘要
随着技术的快速发展，卷积神经网络的应用提升了我们生活的便利性。然而在图像分类领域，研究发现当图像被加入某些扰动后，CNN 会将其误分类。因此各类防御方法被提出。以往方法仅考虑如何在网络中嵌入模块以提升鲁棒性，却未关注模块的嵌入方式。本文中，我们设计了一种新的融合方法以增强 CNN 的鲁棒性。我们采用基于点积的方式将去噪模块添加至 ResNet18，并引入注意力机制以进一步提升模型的鲁棒性。在 CIFAR10 上的实验结果表明，在 FGSM 与 PGD 攻击下，我们的方法有效且优于当前最先进的方法。
引用
@article{arxiv.2205.15582,
title = {An Effective Fusion Method to Enhance the Robustness of CNN},
author = {Yating Ma and Zhichao Lian},
journal= {arXiv preprint arXiv:2205.15582},
year = {2022}
}
备注
We need to fix some errors