| 基于图像降噪的集成对抗防御模型研究 | |
| 所屬分類：技术论文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>1561 K | |
| 標簽： 对抗样本 集成学习 降噪自动编码器 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：深度学习的快速发展使其在图像识别、自然语言处理等诸多领域广泛应用。但是，学者发现深度神经网络容易受到对抗样本的欺骗，使其以较高置信度输出错误结果。对抗样本的出现给对安全性要求严格的系统带来很大威胁。研究了在低层特征（LowLevel Feature）和高层特征（HighLevel Feature）对图像进行降噪以提升模型防御性能。在低层训练一个降噪自动编码器，并采用集成学习的思路将自动编码器、高斯扰动和图像掩码重构等多种方式结合；高层对ResNet18作微小改动加入均值滤波。实验显示，所提出的方法在多个数据集的分类任务上有较好的防御性能。 | |
| 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