文献

J-GLOBAL ID：202202283679771366   整理番号：22A1104729

画像分類のための防御GANを強化するためのランダムベクトルの初期化【JST・京大機械翻訳】

Initialization of Random Vectors to Enhance Defense-GAN for Image Classification

著者 (2件)： Laykaviriyakul Pranpaveen (Kasetsart University,Faculty of Engineering,Department of Electrical Engineering,Jatujak,Bangkok,Thailand,10900) ,  Phaisangittisagul Ekachai (Kasetsart University,Faculty of Engineering,Department of Electrical Engineering,Jatujak,Bangkok,Thailand,10900)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： iEECON  ページ： 1-4  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深層学習は,応用の広いスペクトルにうまく適用されてきた。それにもかかわらず,その性能は敵対攻撃によって深刻に劣化し,モデル予測を誤らせる入力データに精巧に設計された小さな摂動である。特に,自律車両のような深い学習のライフクリティカル展開は,これらの攻撃の主要な関心事である。防御-GANは,ブラックボックスとホワイトボックス敵対攻撃の両方に対してロバストである最先端の防衛法と考えられている。その防御フレームワークは,予測モデルに供給する前に,与えられた敵対サンプルから非摂動のものに近い新しいデータを生成する。しかし,Defense-GANは,勾配降下の反復性のために,推論時間で再構成データを決定する時間を取る。本研究では,ランダムベクトルの注意深く熟練した初期化を用いて,敵対サンプルから十分に再構成されたデータを迅速に生成するDefense-GANの改善を提案した。実験結果は,提案方法がベンチマークデータセットに関するDefense-GANと比較して,分類性能と推論時間の両方を上回ることができることを証明した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ベクトル ,  スペクトル ,  ブラックボックス ,  再構成 ,  摂動 ,  ベンチマーク ,  ロバスト性 ,  予測モデル ,  サイバー攻撃
準シソーラス用語： 敵意 ,  *防衛 ,  *画像分類 ,  入力データ ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 画像分類 ,  防御 ,  GaN ,  強化 ,  ベクトル ,  初期化