DeepFool：一种简单而精确的愚弄深度神经网络的方法
机器学习
2016-08-30 v3 计算机视觉与模式识别
摘要
最先进的深度神经网络在许多图像分类任务上取得了令人印象深刻的成果。然而，这些同样的架构已被证明对图像的小的、精心寻找的扰动是不稳定的。尽管这一现象很重要，但尚未提出有效的方法来精确计算最先进的深度分类器在大规模数据集上对此类扰动的鲁棒性。在本文中，我们填补了这一空白，并提出DeepFool算法以高效计算愚弄深度网络的扰动，从而可靠地量化这些分类器的鲁棒性。大量实验结果表明，我们的方法在计算对抗扰动和使分类器更鲁棒的任务上优于近期方法。
引用
@article{arxiv.1511.04599,
title = {DeepFool: a simple and accurate method to fool deep neural networks},
author = {Seyed-Mohsen Moosavi-Dezfooli and Alhussein Fawzi and Pascal Frossard},
journal= {arXiv preprint arXiv:1511.04599},
year = {2016}
}
备注
In Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016