高频分量有助于解释卷积神经网络的泛化能力
计算机视觉与模式识别
2020-03-26 v3 机器学习
摘要
我们研究了图像数据的频谱与卷积神经网络（CNN）泛化行为之间的关系。我们首先注意到 CNN 具有捕捉图像高频分量的能力。这些高频分量对人而言几乎不可感知。因此该观察引出了多个与 CNN 泛化行为相关的假设，包括对对抗样本的一种潜在解释、对 CNN 鲁棒性与准确率之间权衡的讨论，以及一些有助于理解训练启发式方法的证据。
引用
@article{arxiv.1905.13545,
title = {High Frequency Component Helps Explain the Generalization of Convolutional Neural Networks},
author = {Haohan Wang and Xindi Wu and Zeyi Huang and Eric P. Xing},
journal= {arXiv preprint arXiv:1905.13545},
year = {2020}
}
备注
To appear at CVPR 2020 as an Oral paper