CVPRFeb, 2022
迈向组合性对抗性鲁棒性:将对抗性训练推广到复合语义扰动
Towards Compositional Adversarial Robustness: Generalizing Adversarial Training to Composite Semantic Perturbations
Lei Hsiung, Yun-Yun Tsai, Pin-Yu Chen, Tsung-Yi Ho
TL;DR本文提出了一种新的生成组合对抗样本的方法和一种广义对抗训练方法,能够实现模型对多种组合语义扰动的鲁棒性,包括色调、饱和度、亮度、对比度和旋转等,并在 ImageNet 和 CIFAR-10 数据集上具有显著性能优势。