【文献阅读】Feature Denoising for Improving Adversarial Robustness
论文网址：https://arxiv.org/abs/1812.03411 国内镜像：https://xxx.itp.ac.cn/abs/1812.03411 这篇主要解决的是对抗攻击中出现的问题。没有好好研究对抗攻击中具体的算法，就大概知道是怎么回事。 对抗攻击：通过对输入添加微小的扰动使得分类器分类错误，一般对用于深度学习的网络的攻击算法最为常见，应用场景包括目前大热的CV和NLP方向，例如，
相关文章
- 1. IMPROVING GENERATIVE ADVERSARIAL NETWORKS WITH DENOISING FEATURE MATCHING（Bingio-ICLR2017）
- 2. 论文阅读笔记： 2019 ICCV 《Improving Adversarial Robustness via Guided Complement Entropy》
- 3. 文献阅读：Improving neural networks by preventing co-adaptation of feature detectors
- 4. [paper]IMPROVING ADVERSARIAL ROBUSTNESS REQUIRES REVISITING MISCLASSIFIED EXAMPLES
- 5. 《Real Image Denoising with Feature Attention》阅读笔记
- 6. 论文阅读笔记《Adversarial Feature Hallucination Networks for Few-Shot Learning》
- 7. 《Universal adversarial perturbations》文献阅读笔记
- 8. 论文阅读：《A Wavenet For Speech Denoising》
- 9. 《Unprocessing Images for Learned Raw Denoising》论文阅读
- 10. 【文献阅读】Perceptual Generative Adversarial Networks for Small Object Detection –CVPR-2017
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • PHP 实例 - AJAX RSS 阅读器 - PHP教程
- • JDK13 GA发布：5大特性解读
- • Scala 中文乱码解决
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. IMPROVING GENERATIVE ADVERSARIAL NETWORKS WITH DENOISING FEATURE MATCHING（Bingio-ICLR2017）
- 2. 论文阅读笔记： 2019 ICCV 《Improving Adversarial Robustness via Guided Complement Entropy》
- 3. 文献阅读：Improving neural networks by preventing co-adaptation of feature detectors
- 4. [paper]IMPROVING ADVERSARIAL ROBUSTNESS REQUIRES REVISITING MISCLASSIFIED EXAMPLES
- 5. 《Real Image Denoising with Feature Attention》阅读笔记
- 6. 论文阅读笔记《Adversarial Feature Hallucination Networks for Few-Shot Learning》
- 7. 《Universal adversarial perturbations》文献阅读笔记
- 8. 论文阅读：《A Wavenet For Speech Denoising》
- 9. 《Unprocessing Images for Learned Raw Denoising》论文阅读
- 10. 【文献阅读】Perceptual Generative Adversarial Networks for Small Object Detection –CVPR-2017