WSAM：来自风格增强作为对抗攻击者的视觉解释及其在图像分类中的影响
计算机视觉与模式识别
2023-08-30 v1 机器学习
摘要
当前，由于卷积神经网络（CNN）强烈偏向于识别纹理而非形状，风格增强正受到关注。多数现有风格化方法要么执行低保真风格迁移，要么在嵌入向量中进行弱风格表示。本文概述了一种风格增强算法，采用基于随机的采样并加入噪声，以改进通用线性变换用于风格迁移的随机化。借助我们的增强策略，所有模型不仅对图像风格化展现出惊人鲁棒性，而且优于以往全部方法，并在STL-10数据集上超越最先进性能。此外，我们给出了不同风格变化下模型解释的分析。同时，我们比较了综合实验，展示了在训练设定中应用于深度神经架构时的性能。
引用
@article{arxiv.2308.14995,
title = {WSAM: Visual Explanations from Style Augmentation as Adversarial Attacker and Their Influence in Image Classification},
author = {Felipe Moreno-Vera and Edgar Medina and Jorge Poco},
journal= {arXiv preprint arXiv:2308.14995},
year = {2023}
}
备注
8 pages, 10 figures