少数ショット画像分類における敵対的ロバスト性への単純なアプローチ【JST・京大機械翻訳】

Subramanya Akshayvarun; Pirsiavash Hamed

プレプリント

J-GLOBAL ID：202202214130426926 整理番号：22P0329854

少数ショット画像分類における敵対的ロバスト性への単純なアプローチ【JST・京大機械翻訳】

A Simple Approach to Adversarial Robustness in Few-shot Image Classification

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： 2022年04月11日プレプリントサーバーでの情報更新日： 2022年04月11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)

目標が限られたラベル付きデータでタスクに一般化するのは,少ないショット画像分類が長年にわたって大きな進歩を見た。しかし,分類器は敵対例に対して脆弱であり,それらの一般化能力に関する疑問を提起する。最近の研究では,少数ショット分類器のロバスト性を改善するために,メタ学習アプローチと敵対訓練を組み合わせることを試みた。簡単な転送学習ベースのアプローチが,敵対的にロバストな少数ショット分類器を訓練するために使用できることを示した。また,ベースクラスに向けて少数ショットカテゴリの重心を較正することに基づく,新しい分類タスクのための方法も提示する。著者らは,新しいカテゴリーにおける較正された重心ベースの分類器と共に,ベースカテゴリに関する標準敵対訓練が,少数ショット学習のための標準ベンチマークに関する最新の先進手法と比較して,優るか,または,オン-パーであることを示した。提案手法は簡単であり,スケールが容易であり,ロバストな少数ショット分類器に導くことができない。コードはここで利用できる:ウルル{https://github.com/UCDvision/Simple_few_shot.git}。【JST・京大機械翻訳】

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

データ保護 , 人工知能 , パターン認識

, , ,

前のページに戻る