对抗鲁棒性相关论文
计算机技术迅速发展的今天,机器学习在许多领域已经取得了非常优秀的性能表现。虽然新的机器学习算法层出不穷,性能也逐步提升,但......
多视图模型由于充分利用了多个视图的信息,在机器学习的众多任务中都获得了良好的表现。越来越多的研究者开始聚焦于多视图学习。......
对抗鲁棒性指的是模型抵抗对抗样本的能力,对抗训练是提高模型对抗鲁棒性的一种常用方法.然而,对抗训练会降低模型在干净样本上的......
机器学习模型的现实应用场景非常复杂,存在任务环境不稳定等问题。在安全敏感领域,简单地假设模型的预测环境和训练环境的样本独立......
基于深度神经网络的多源图像内容自动分析与目标识别方法近年来不断取得新的突破,并逐步在智能安防、医疗影像辅助诊断和自动驾驶......
相机源识别是数字图像取证中研究课题之一。通过校验图像的相机来源的真实性,以辅助各种刑事调查和审判及解决版权侵犯等中的取证......
计算设备性能的发展和海量标记数据的出现,使得深度神经网络的训练成为可能。深度神经网络以其强大的非线性映射和特征提取能力被......
本文研究K-近邻分类器的鲁棒性验证问题.形式化鲁棒性验证的目标是计算分类器在给定样本点上的最小对抗扰动的精确值或者最小对抗......
近年来,基于深度学习的目标检测在自动驾驶任务中得到了广泛的应用。本文从模型压缩和对抗鲁棒性的角度,提出速度—对抗鲁棒性平衡......
近年来,以深度神经网络为代表的人工智能技术已经在很多应用领域取得了巨大的成功,并且逐渐改变了人们的生产和生活方式,但是其安......
