Mar, 2024
基于 FFT 的选择与优化统计量方法用于严重损坏图像的鲁棒识别
FFT-based Selection and Optimization of Statistics for Robust Recognition of Severely Corrupted Images
Elena Camuffo, Umberto Michieli, Jijoong Moon, Daehyun Kim, Mete Ozay
TL;DR为了在智能设备上实现强大的视觉系统，尤其是机器人代理，提高对损坏图像的模型稳健性是其中的关键挑战。本文介绍了一种新方法（FROST），通过使用高频特征检测输入图像的损坏类型，并选择逐层特征归一化统计，从而提高任何分类模型的稳健性，尤其是在严重损坏的图像上。FROST 方法在不同模型和数据集上取得了最新的研究成果，在 ImageNet-C 上相较于竞争对手的最大相对收益为 37.1%，改善了 40.9% 的严重损坏情况下的基线 mCE。