イメージスターを用いた深層畳込みニューラルネットワークの検証【JST・京大機械翻訳】

Tran Hoang-Dung; Bak Stanley; Xiang Weiming; Johnson Taylor T.

プレプリント

J-GLOBAL ID：202202209363420479 整理番号：22P0133913

イメージスターを用いた深層畳込みニューラルネットワークの検証【JST・京大機械翻訳】

Verification of Deep Convolutional Neural Networks Using ImageStars

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 (4件)： , , ,
資料名：
発行年： 2020年04月11日プレプリントサーバーでの情報更新日： 2020年05月14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)

畳込みニューラルネットワーク(CNN)は,顔認証,画像分類,人間姿勢推定,および意味セグメンテーションのような,多くの実世界アプリケーションにおける最先端技術を再定義する。それらの成功にもかかわらず,CNNは敵対攻撃に対して脆弱であり,そこでは,それらの入力へのわずかな変化が,十分に訓練されたネットワークにおいて,それらの出力の鋭い変化につながる可能性がある。セットベースの解析法は,有界敵対攻撃の不在を検出または証明することができ,次に,ニューラルネットワーク訓練方法論の有効性を評価するために使用できる。残念なことに,既存の検証手法は,解析できるネットワークのサイズに関してスケーラビリティが限られている。本論文では,VGG16およびVGG19のような実世界CNNを,画像Net上で高精度に処理する,集合ベースフレームワークについて述べた。提案アプローチは,CNNの効率的な厳密かつ過剰近似解析を可能にするImageStarと呼ばれる新しい集合表現に基づいている。画像Starsは,線形プログラミング(LP)によるコンクリート画像に関する操作を結合することによって,効率的セットベースの解析を実行した。提案アプローチはNNVと呼ばれるツールに実装され,DeepFol攻撃のような敵対攻撃から導出された入力状態の小集合に関してVGGネットワークのロバスト性を検証できる。実験結果は,著者らのアプローチが,DeepZで使用されるもの,およびDeep Polyで用いられるポリトープ法のような既存のゾノトペ法よりも保守的で,高速であることを示した。【JST・京大機械翻訳】

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

人工知能 , 図形・画像処理一般

, ,

前のページに戻る