周波数Biasは,共通の破裂と敵対的摂動に対する神経画像分類器のロバスト性にどのように影響するか?【JST・京大機械翻訳】

Chan Alvin; Ong Yew-Soon; Tan Clement

プレプリント

J-GLOBAL ID：202202204674866673 整理番号：22P0346678

周波数Biasは,共通の破裂と敵対的摂動に対する神経画像分類器のロバスト性にどのように影響するか?【JST・京大機械翻訳】

How Does Frequency Bias Affect the Robustness of Neural Image Classifiers against Common Corruption and Adversarial Perturbations?

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年05月09日プレプリントサーバーでの情報更新日： 2022年05月09日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

モデルロバスト性は,実世界アプリケーションにおける機械学習モデルの信頼できる展開に不可欠である。最近の研究では,データ増強が低周波ドメインにおける特徴に過度のモデルをもたらし,低周波コラプションに対する性能を犠牲にして,周波数とロバスト性の間の接続を強調した。ここでは,さらに,そのJacobiのレンズを通してモデルの周波数バイアスとそのモデルロバスト性への含意をより直接研究するために,1段階を取り上げた。これを達成するために,著者らは,低周波成分のより大きな比率を持つモデルJacobiのためのJacobi周波数正則化を提案した。4つの画像データセットの実験を通して,低(高)周波数成分に対するバイアス分類器は,低(高)周波数崩壊に対する性能のトレードオフにもかかわらず,高(低)周波数崩壊と敵対摂動に対して性能利得をもたらすことができることを示す。この手法は,深い学習モデルの周波数バイアスとロバスト性の間のより直接的な接続を明らかにする。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

システム同定 , 図形・画像処理一般 , 符号理論 , システム設計・解析

, , , , ,

前のページに戻る