深層ニューラルネットワークの意味的ロバスト性の解析に向けて【JST・京大機械翻訳】

Hamdi Abdullah; Ghanem Bernard

プレプリント

J-GLOBAL ID：202202213288822296 整理番号：21P0012297

深層ニューラルネットワークの意味的ロバスト性の解析に向けて【JST・京大機械翻訳】

Towards Analyzing Semantic Robustness of Deep Neural Networks

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 (2件)： ,
資料名：
発行年： 2019年04月09日プレプリントサーバーでの情報更新日： 2020年09月08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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

多様なビジョンタスクに関する深層ニューラルネットワーク(DNN)の印象的な性能にもかかわらず,それらは,意味的プリミティブ(例えば,オブジェクト姿勢)に対して,まだ誤った高感度を示す。意味空間におけるDNNロバスト性に対する理論的根拠解析を提案した。意味マップとしてDNN大域的挙動を可視化することにより,異なるDNNの意味ロバスト性を定性的に解析し,いくつかのDNNの興味深い挙動を観察した。これらの意味マップを生成するのは,意味空間の次元と良くスケールしないので,DNNのロバストな領域を検出するボトムアップ手法を開発する。これを達成するために,著者らは,積分限界の最適化としてネットワークのロバスト意味領域を見つける問題を定式化し,領域限界の更新方向に対する表現を開発した。開発した定式化を用いて,異なる一般的なネットワークアーキテクチャの意味ロバスト性を定量的に評価した。著者らは,いくつかのネットワークが,同じデータセット上で訓練され,同等の精度を楽しむ,いくつかのネットワークが,意味的ロバスト性において必ずしも同様には実行しないことを示した。例えば,開始V3はResNet50よりも意味的にロバストであるにもかかわらず,より正確である。このツールは,DNNの意味ロバスト性の理解に向けたマイルストーンとして役立つことを期待する。【JST・京大機械翻訳】

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

ニューロコンピュータ

, , ,

前のページに戻る