文献

J-GLOBAL ID：202002261325587421   整理番号：20A2782015

多様な画像破壊に対してロバストなニューラルネットワークを作る簡単な方法【JST・京大機械翻訳】

A Simple Way to Make Neural Networks Robust Against Diverse Image Corruptions

著者 (12件)： Rusak Evgenia (University of Tuebingen, Tuebingen, Germany) ,  Rusak Evgenia (International Max Planck Research School for Intelligent Systems, Tuebingen, Germany) ,  Schott Lukas (University of Tuebingen, Tuebingen, Germany) ,  Schott Lukas (International Max Planck Research School for Intelligent Systems, Tuebingen, Germany) ,  Zimmermann Roland S. (University of Tuebingen, Tuebingen, Germany) ,  Zimmermann Roland S. (International Max Planck Research School for Intelligent Systems, Tuebingen, Germany) ,  Bitterwolf Julian (International Max Planck Research School for Intelligent Systems, Tuebingen, Germany) ,  Bringmann Oliver (University of Tuebingen, Tuebingen, Germany) ,  Bethge Matthias (University of Tuebingen, Tuebingen, Germany) ,  Bethge Matthias (International Max Planck Research School for Intelligent Systems, Tuebingen, Germany) ,  Brendel Wieland (University of Tuebingen, Tuebingen, Germany) ,  Brendel Wieland (International Max Planck Research School for Intelligent Systems, Tuebingen, Germany)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12348  ページ： 53-69  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人間の視覚システムは,降雨や雪のような広範囲の自然に発生する変動や崩壊に対して著しくロバストである。対照的に,現代の画像認識モデルの性能は,以前には,非Seruptionで評価されるとき,強く劣化する。ここでは,付加的Gaussおよびスペックル雑音による単純だが適切に調整された訓練は,驚くほどよく,崩壊を解消し,破壊ベンチマーク画像Net-C(ResNet50で)およびMNISTST-C上で最先端の状態に達することを示した。これらの強いベースライン結果の上に構築して,局所相関最悪ケースノイズ分布に対する認識モデルの敵対訓練が,性能の付加的増加につながることを示した。この正則化は,さらなる改善のために以前に提案された防御法と組み合わせることができる。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 降雨 ,  *ニューラルネットワーク ,  正則化 ,  基準線 ,  ベンチマーク ,  *ロバスト性 ,  認知モデル ,  画像認識
準シソーラス用語： 雪 ,  スペックル雑音 ,  視覚システム , 【Automatic Indexing@JST】

著者キーワード (4件)： 画像崩壊 ,  ロバスト性 ,  汎化 ,  敵対的訓練

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 破壊 ,  ロバスト ,  ニューラルネットワーク