ブラックボックススケルトンベースの人間活動分類器の防御【JST・京大機械翻訳】

Wang He; Diao Yunfeng; Tan Zichang; Guo Guodong

プレプリント

J-GLOBAL ID：202202216030981569 整理番号：22P0301363

ブラックボックススケルトンベースの人間活動分類器の防御【JST・京大機械翻訳】

Defending Black-box Skeleton-based Human Activity Classifiers

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： 2022年03月09日プレプリントサーバーでの情報更新日： 2022年12月02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)

骨格運動は,ヒト活動認識(HAR)に対して大きく回答されてきた。最近,スケルトンベースのHARの普遍的な脆弱性が,様々な分類器とデータにわたって同定され,緩和を呼んでいる。この目的のために,著者らは,著者らの最良の知識に対する骨格ベースのHARのための最初のブラックボックス防御法を提案した。提案手法は,クリーンデータのフルベイジアン処理,敵対者および分類器により特徴があり,(1)ロバスト識別分類器の新しいBayesエネルギーベース定式化,(2)自然運動多様体に基づく新しい敵対サンプリング方式,(3)ブラックボックス防御のための新しいポストトレインBayes戦略である。フレームワークBayesエネルギーベース広告訓練またはBEATと名づけた。BEATは簡単であるが,エレガントであり,精度を犠牲にすることなく,脆弱なブラックボックス分類器をロバストなものにする。それは,様々な攻撃の下で,広範囲の骨格HAR分類器とデータセットにわたって,驚くべき普遍的有効性を示す。コードはhttps://github.com/realcrane/RobustActionRecogniserで利用可能である。【JST・京大機械翻訳】

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

パターン認識 , 人工知能

, ,

前のページに戻る