具有对数极坐标映射的循环注意力模型对对抗攻击具有鲁棒性
计算机视觉与模式识别
2020-02-14 v1
摘要
卷积神经网络易受微小 对抗攻击，而人类视觉系统则不然。受眼睛和大脑中神经网络的启发，我们开发了一种新颖的人工神经网络模型，该模型以由注意力控制的对数极坐标视野循环地收集数据。我们证明了该设计作为针对 SPSA 和 PGD 对抗攻击的防御的有效性。它还具有在动物视觉系统中观察到的有益特性，例如用于低延迟推理的反射样通路、与图像大小无关的固定计算量，以及旋转和尺度不变性。实验代码可在 https://gitlab.com/exwzd-public/kiritani_ono_2020 获取。
引用
@article{arxiv.2002.05388,
title = {Recurrent Attention Model with Log-Polar Mapping is Robust against Adversarial Attacks},
author = {Taro Kiritani and Koji Ono},
journal= {arXiv preprint arXiv:2002.05388},
year = {2020}
}
备注
11 pages, 4 figures