破坏数据以去除欺骗性扰动：利用预处理方法提升系统鲁棒性
计算机视觉与模式识别
2022-01-06 v1 机器学习
摘要
尽管深度神经网络在分类任务上取得了优异性能，近期研究表明训练良好的网络可被细微噪声所欺骗。本文提出一种新方法，通过在自然训练的分类器之上施加恢复过程来提升神经网络鲁棒性。在该方法中，图像将先被某些显著算子有意破坏，然后在送入分类器前被恢复。SARGAN——生成对抗网络（GAN）的一种扩展——能够去除雷达信号中的噪声。本文将展示 SARGAN 也可通过去除对抗效应来恢复被破坏的图像。我们的结果表明该方法确实提升了自然训练网络的性能。
引用
@article{arxiv.2201.01399,
title = {Corrupting Data to Remove Deceptive Perturbation: Using Preprocessing Method to Improve System Robustness},
author = {Hieu Le and Hans Walker and Dung Tran and Peter Chin},
journal= {arXiv preprint arXiv:2201.01399},
year = {2022}
}
备注
CSCI 2021