通过多分辨率学习提升深度卷积神经网络的鲁棒性
机器学习
2023-09-29 v2
摘要
当前的深度学习训练过程，无论使用何种深度神经网络（DNN）架构和/或学习算法，本质上都是单分辨率训练。我们探索多分辨率学习，并表明多分辨率学习能显著提升DNN模型在1D信号和2D信号（图像）预测问题上的鲁棒性。我们从噪声鲁棒性、对抗鲁棒性以及小训练数据集规模等方面展示了这一提升。我们的结果还表明，在多分辨率学习下可能无需在标准准确率与鲁棒性之间做权衡，这与传统单分辨率学习设定中的观察结果相反，颇为有趣。
引用
@article{arxiv.2309.13752,
title = {Improving Robustness of Deep Convolutional Neural Networks via Multiresolution Learning},
author = {Hongyan Zhou and Yao Liang},
journal= {arXiv preprint arXiv:2309.13752},
year = {2023}
}