通过变形关系重新训练以增强深度学习模型的鲁棒性
计算机视觉与模式识别
2024-12-04 v1 人工智能
摘要
本文评估了利用变形关系来增强机器学习模型鲁棒性和实际性能的方法。我们提出了变形重新训练框架 (Metamorphic Retraining Framework)，该框架将变形关系应用于数据，并利用准监督学习算法进行迭代和自适应的多周期过程。该框架集成了多种准监督重新训练算法，包括 FixMatch、FlexMatch、MixMatch 和 FullMatch，用于自动化地按照指定配置进行模型的重新训练、评估和测试。为了评估这种方法的有效性，我们在 CIFAR-10、CIFAR-100 和 MNIST 数据集上使用各种图像处理模型（包括预训练和非预训练模型）进行实验。我们的结果表明，变形重新训练有望显著提高模型鲁棒性，因为我们的结果显示，该方法在鲁棒性指标上平均提升了额外的 17 个百分点。
引用
@article{arxiv.2412.01958,
title = {Enhancing Deep Learning Model Robustness through Metamorphic Re-Training},
author = {Said Togru and Youssef Sameh Mostafa and Karim Lotfy},
journal= {arXiv preprint arXiv:2412.01958},
year = {2024}
}