卷积神经网络在识别负片图像上的局限性
计算机视觉与模式识别
2017-08-09 v2 机器学习
机器学习
摘要
卷积神经网络 (CNNs) 已在各种计算机视觉任务上取得了最先进的性能，特别是视觉分类问题，其中新算法据报道达到甚至超越了人类表现。在本文中，我们考察 CNNs 是否能够学习训练数据的语义。为此，我们在负片图像上评估 CNNs，因为它们与常规图像具有相同的结构和语义，并且人类可以正确地对它们进行分类。我们的实验结果表明，当在常规图像上训练并在负片图像上测试时，模型准确率显著低于在常规图像上测试时的准确率。这使我们猜想当前的训练方法不能有效地训练模型以泛化概念。随后我们引入了语义对抗样本的概念——即在语义上表示相同对象但模型未能正确分类的变换输入——并将负片图像作为此类输入的一种。
引用
@article{arxiv.1703.06857,
title = {On the Limitation of Convolutional Neural Networks in Recognizing Negative Images},
author = {Hossein Hosseini and Baicen Xiao and Mayoore Jaiswal and Radha Poovendran},
journal= {arXiv preprint arXiv:1703.06857},
year = {2017}
}