| 基于圖像降噪的集成對抗防御模型研究 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>1561 K | |
| 標簽： 對抗樣本 集成學習 降噪自動編碼器 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：深度學習的快速發展使其在圖像識別、自然語言處理等諸多領域廣泛應用。但是，學者發現深度神經網絡容易受到對抗樣本的欺騙，使其以較高置信度輸出錯誤結果。對抗樣本的出現給對安全性要求嚴格的系統帶來很大威脅。研究了在低層特征（LowLevel Feature）和高層特征（HighLevel Feature）對圖像進行降噪以提升模型防御性能。在低層訓練一個降噪自動編碼器，并采用集成學習的思路將自動編碼器、高斯擾動和圖像掩碼重構等多種方式結合；高層對ResNet18作微小改動加入均值濾波。實驗顯示，所提出的方法在多個數據集的分類任務上有較好的防御性能。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2