通过图像扰动重标注以混淆深度卷积网络

深度卷积神经网络已成为图像识别任务的黄金标准，展示了许多当前最先进的结果，甚至在某些任务上达到了接近人类水平的性能。尽管事实如此，已有研究表明，它们强大的泛化能力可被欺骗，从而将先前正确分类的自然图像误分类，并对无意义的合成图像给出错误的高置信度分类。在本文中，我们扩展了该工作，提出了一种直接的方法来扰动图像，使其获得数据集中任何其他标签，同时使扰动后的图像在视觉上与原图像无法区分。