敵対攻撃に対する形状防御【JST・京大機械翻訳】

Borji Ali

プレプリント

J-GLOBAL ID：202202207702674806 整理番号：21P0046380

敵対攻撃に対する形状防御【JST・京大機械翻訳】

Shape Defense Against Adversarial Attacks

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 (1件)：
資料名：
発行年： 2020年08月30日プレプリントサーバーでの情報更新日： 2021年12月06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)

人間は物体を認識するために形状情報に大きく依存している。逆に,畳み込みニューラルネットワーク(CNN)は,テクスチャに向けてより偏った。これはおそらくCNNが敵対例に対して脆弱である主な理由である。ここでは,そのロバスト性を改善するために,CNNに形状バイアスをどのように組み込むことができるかを調べた。2つのアルゴリズムを提案して,エッジが中等度の知覚不能な摂動に不変であるという観察に基づく。第1に,分類器を付加的チャネルとしてエッジマップを用いて画像上で敵対的に訓練した。推論時間で,エッジマップを再計算し,画像に連結する。第2のアルゴリズムでは,条件付きGANを訓練して,エッジマップを,クリーン画像と/または摂動画像からクリーン画像に変換した。入力エッジマップに対応する生成画像に対して推論を行った。10データセットにわたる広範な実験は,FGSMとl_∞PGD-40攻撃に対して提案したアルゴリズムの有効性を実証した。さらに,a)エッジ情報も他の敵対訓練法に利益があり,b)エッジ増強入力で訓練されたCNNは,RGB画像のみを訓練したCNNよりも,動きぼけ,インパルス雑音およびJPEG圧縮のような自然画像障害に対してロバストであることを示した。より広い展望から,本研究はCNNがロバスト性に重要な画像構造を適切に考慮しないことを示唆した。コードは,Url{https://github.com/aliborji/Shapedefense.git}で利用可能である。【JST・京大機械翻訳】

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

図形・画像処理一般 , 人工知能 , パターン認識

, ,

前のページに戻る