卷积填充与对抗鲁棒性的相互作用
计算机视觉与模式识别
2023-08-15 v1 人工智能
机器学习
摘要
在卷积神经网络（CNN）中，通常在卷积操作前施加填充以保留特征图分辨率，这已是常见做法。尽管存在多种替代方案，但往往通过对输入周围添加零边界来实现。本工作中，我们展示对抗攻击常导致图像边界处的扰动异常，而边界正是使用填充的区域。因此，我们旨在分析填充与对抗攻击之间的相互作用，并探求不同填充模式（或缺失填充）在各种场景下如何影响对抗鲁棒性这一问题的答案。
引用
@article{arxiv.2308.06612,
title = {On the Interplay of Convolutional Padding and Adversarial Robustness},
author = {Paul Gavrikov and Janis Keuper},
journal= {arXiv preprint arXiv:2308.06612},
year = {2023}
}
备注
Accepted as full paper at ICCV-W 2023 BRAVO