利用视频评估图像模型的鲁棒性
计算机视觉与模式识别
2019-09-02 v3 机器学习
摘要
人类视觉系统对范围广泛的图像变换具有鲁棒性，而这些变换对人工网络而言颇具挑战。我们首次研究了图像模型对视频帧间微小变换的鲁棒性，称之为“自然鲁棒性”。与先前关于对抗样本和合成失真的研究相比，自然鲁棒性捕捉了自然环境中出现的一组更多样的常见图像变换。我们在十余种模型架构上的研究表明，准确率更高的模型对自然变换更具鲁棒性，且对合成颜色失真的鲁棒性可作为自然鲁棒性的良好代理。在考察视频中的脆弱性时，我们发现视频中发现的脆弱性有99.9%位于对抗样本的典型定义之外。最后，我们研究了降低脆弱性的训练技术，发现没有任何单一技术能在十二种被测架构上系统性地改善自然鲁棒性。
引用
@article{arxiv.1904.10076,
title = {Using Videos to Evaluate Image Model Robustness},
author = {Keren Gu and Brandon Yang and Jiquan Ngiam and Quoc Le and Jonathon Shlens},
journal= {arXiv preprint arXiv:1904.10076},
year = {2019}
}
备注
Video Robustness Dataset included in directory