深度工业间谍活动
计算机视觉与模式识别
2019-04-03 v1
摘要
深度学习理论如今被认为已基本解决，并被研究人员与意见领袖所充分理解。为维持我们的相关性，我们因而寻求将该技术应用于尚未充分探索且利润丰厚的场景。为此，我们提出“深度工业间谍活动”（Deep Industrial Espionage），一种用于工业信息扩散与产品化的高效端到端框架。具体而言，给定产品或服务的单张图像，我们的目标是在一次神经网络前向传播内，对产品进行逆向工程、重塑品牌并向新兴市场消费者以盈利价格分发仿制品。不同于先前局限于对物体实例进行分类、检测与推理的机器感知工作，我们的方法在广泛企业环境中提供切实商业价值。我们的方法大量借鉴了一篇近期有前景的 arXiv 论文，直至原作者姓名无法辨认（我们使用毡尖笔）。随后我们重述该匿名论文，在标题中加入“novel”一词，并将其投至一家知名闭源间谍期刊，该期刊向我们保证有朝一日我们将有权获得其高额读者费的一部分。
引用
@article{arxiv.1904.01114,
title = {Deep Industrial Espionage},
author = {Samuel Albanie and James Thewlis and Sebastien Ehrhardt and Joao Henriques},
journal= {arXiv preprint arXiv:1904.01114},
year = {2019}
}