BriefGPT.xyz
大模型
Ask
alpha
关键词
natural corruptions
搜索结果 - 3
RobustMQ:量化模型鲁棒性性能评估
通过对 ImageNet 上的各种噪声(对抗性攻击、自然扰动和系统噪声)进行了全面评估,我们得出了关于量化模型在各种场景下的鲁棒性的宝贵见解:(1)量化模型在对抗性鲁棒性方面表现更好,但对自然扰动和系统噪声更加脆弱;(2)一般来说,增加量化
→
PDF
a year ago
NSA: 自然支持工件提升网络可信度
我们提出了自然支持工件(NSA)的概念,这些工件通过使用 DC-GAN 进行工件培训生成,具有高视觉保真度,在场景中增加这些工件有助于提高预测置信度。我们在 Imagenette 数据集上进行了对自然污染的测试,并观察到预测置信度得分提高了
→
PDF
a year ago
量化模型强化测试
通过对 ImageNet 上的广泛实验,我们发现量化技术在部署深度神经网络时,虽然对于对抗性攻击具有更高的稳健性,但更容易受到自然噪声和系统噪声等噪声的影响。特别的,脉冲噪声和最邻近插值对量化模型影响最大,我们的研究有助于进一步提升模型的稳
→
PDF
a year ago
Prev
Next