May, 2020
基于频率的鲁棒卷积神经网络解释方法
Towards Frequency-Based Explanation for Robust CNN
Zifan Wang, Yilin Yang, Ankit Shrivastava, Varun Rawal, Zihao Ding
TL;DR本文研究了透明的卷积神经网络中,输入频率分量的分布与模型学习的推理过程之间的关系,量化了不同频率分量对模型预测的贡献,并发现模型容易受到高频特征的攻击。研究表明,如果模型与低频成分有更强的联系,则模型更具鲁棒性,这也解释了为什么对抗训练模型更加稳健。