多重自己管理タスクの使用はモデルロバスト性を改善する【JST・京大機械翻訳】

Lawhon Matthew; Mao Chengzhi; Yang Junfeng

プレプリント

J-GLOBAL ID：202202221336631646 整理番号：22P0328136

多重自己管理タスクの使用はモデルロバスト性を改善する【JST・京大機械翻訳】

Using Multiple Self-Supervised Tasks Improves Model Robustness

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 (3件)： , ,
資料名：
発行年： 2022年04月07日プレプリントサーバーでの情報更新日： 2022年04月07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)

深層ネットワークはコンピュータビジョンタスクに関して最先端の性能を達成するが,それらは人間に対して不感である敵対攻撃の下で失敗する。本論文では,複数の自己監督タスクから固有構造を用いて入力を動的に適応できる新しい防御を提案した。多くの自己監督タスクを同時に用いて,著者らの防御は,単一自己監督タスクアプローチと比較して,画像において,適応画像を1つの特定の自己監督タスクに過剰適合させ,より固有構造を復元する。著者らのアプローチは,最先端の単一タスク自己監督防衛と比較して,ロバスト性とクリーン精度をさらに改善する。本研究は,複数の自己監督タスクをロバスト性に接続し,視覚データからより固有な信号でより良いロバスト性を達成できることを示唆する。【JST・京大機械翻訳】

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

パターン認識 , 図形・画像処理一般

, , , ,

前のページに戻る