ロバスト画像分類器のための周波数領域での敵対的訓練

  • HOME »
  • 研究テーマ »
  • ロバスト画像分類器のための周波数領域での敵対的訓練

ロバストな画像分類器のための敵対的振幅交換

一般的な破損や敵対的な摂動などの画像摂動に対する畳み込みニューラルネットワーク(CNN)の脆弱性が,最近,周波数の観点から研究されている.本研究では,敵対的画像の振幅・位相スペクトルがCNN分類器の頑健性に与える影響を調査した。そのために,敵対的画像の振幅スペクトルと清浄画像の位相スペクトルを交換して画像を生成した.これらの画生成像を用いた敵対的訓練により,CNN分類器は一般的な摂動に対して頑健性を備え,一般的な摂動と敵対的摂動の両方で良好な性能を示すことがわかった.さらに,2種類のオーバーフィット(壊滅的なオーバーフィットと頑健なオーバーフィット)が,前述のスペクトル交換によって回避できることを発見した.これらの結果は、真にロバストな分類器の理解と訓練に貢献すると考えている.

Chun Yang Tan, Kazuhiko Kawamoto, Hiroshi Kera, Adversarial amplitude swap towards robust image classifiers, arXiv:2203.07138, 2022.

PAGETOP
Copyright © 川本・計良研究室 All Rights Reserved.
Powered by WordPress & BizVektor Theme by Vektor,Inc. technology.