通过图像滤波提升鲁棒性
计算机视觉与模式识别
2021-12-22 v1
摘要
对抗鲁棒性是深度学习和计算机视觉研究中最具挑战性的问题之一。所有最先进的技术都需要耗时的流程来生成巧妙扰动的图片。由于其代价高昂，人们提出了许多方案以避免对抗训练（Adversarial Training）。然而，这些尝试均被证明无效，因为攻击者设法利用像素间的伪相关来触发模型隐式学习的脆弱特征。本文首先提出一种称为图像图提取器（IGE）的新图像滤波方案，该方案通过图结构提取图像的基本节点及其连接。利用 IGE 表示，我们构建了一种新的防御方法——滤波即防御（Filtering As a Defense），该方法不允许攻击者纠缠像素以创建恶意模式。此外，我们表明使用滤波图像进行数据增强有效提升了模型对数据损坏的鲁棒性。我们在 CIFAR-10、CIFAR-100 和 ImageNet 上验证了我们的技术。
引用
@article{arxiv.2112.11235,
title = {Improving Robustness with Image Filtering},
author = {Matteo Terzi and Mattia Carletti and Gian Antonio Susto},
journal= {arXiv preprint arXiv:2112.11235},
year = {2021}
}