robust features | BriefGPT - AI 论文速递

关键词robust features

搜索结果 - 12

缓解物体依赖关系：通过物体交换改进点云自监督学习
在点云场景理解领域中，尤其是在室内场景中，对象按照人类习惯排列，导致具有一定语义的对象相互靠近并显示显著的对象间相关性。为了解决这个挑战，我们引入了一种新颖的自监督学习策略，通过利用对象模式和上下文提示来产生稳健的特征。我们的方法首先制定了
PDF3 months ago
对抗训练的高维模型：几何与权衡
在高维度背景下，研究基于边界的线性分类器中的对抗性训练，提出了一个可以研究数据和对手几何结构相互作用的可行数学模型，精确描述了足够统计量的敌对经验风险最小化，揭示了存在可以在不损失准确性的情况下进行防御的方向，并且证明了防御非鲁棒特征在训练
PDF5 months ago
自适应深度监督下密集解码网络的医学图像分割
提出了一种基于深度神经网络的医学图像分割方法，通过引入 ' 拐杖 ' 网络连接以获得精细的密集预测，并采用自适应深度监督训练策略以提取鲁棒特征。通过在网络解码器的每个上采样阶段引入 ' 拐杖 ' 连接，增强了目标定位和分割性能，并通过匹配网
PDF5 months ago
评估离线自主驾驶分割对抗攻击的鲁棒性：基于数据集的分析
本研究调查了在越野自动驾驶领域中，语义分割模型对于对抗性输入扰动的脆弱性。尽管在一般条件下表现良好，但现有的最先进分类器经常容易受到（甚至是）轻微扰动的影响，最终导致高自信度的不准确预测。我们的研究旨在填补这一空白，通过研究非鲁棒特征对越野
PDF5 months ago
ICLR通过非对称负对比和反向注意力实现鲁棒表征学习
深度神经网络容易受到对抗性噪声的攻击。为了解决这个问题，我们提出了一种通用的对抗训练框架来获得稳健的特征表达，通过非对称负对比度和反向注意力来推动不同类别的特征在特征空间中远离，并通过线性分类器参数对特征进行加权以获得类别感知的特征并将相同
PDF9 months ago
探索稳健特征以提升对抗性鲁棒性
通过分离鲁棒特征和领域特定特征，我们提出了一个鲁棒特征分离模型，以增强模型的对抗性鲁棒性。同时，训练出的领域鉴别器几乎完美地能够识别出干净图像和对抗性样本中的领域特定特征，从而无需额外的计算成本实现对抗性样本的检测。这样一来，我们可以为干净
PDF10 months ago
通过文本特征可解释嵌入和外部攻击节点插入进行人物文本 - 图像匹配
该研究提出了一种人物文本 - 图像匹配方法，它通过嵌入文本特征可解释性和外部攻击节点，采用图卷积作为特征表示的基本框架，并模拟了文本和图像多样性对特征提取的对抗攻击和防御来提高模型的鲁棒性，从而有效解决了现有方法面临的挑战。
PDF2 years ago
信息论视角下的解耦文本表示学习对抗性鲁棒性
本文从可分离表示学习的角度解决了对抗鲁棒性的挑战，并设计了一个可分离学习网络来估计互信息，实验证明该方法在对抗攻击下显著优于代表性方法，强调舍弃非鲁棒性特征对于提高对抗鲁棒性至关重要。
PDF2 years ago
AAAI深度强化学习策略跨 MDP 学习共享对抗特征
本文探讨和提出了一种框架，用于研究深度强化学习中跨状态和跨马尔可夫决策流程（MDPs）的决策边界和损失景观相似性，并发现高敏感性方向支持非鲁棒特征在训练环境中的共享，这一结果揭示了深度强化学习的基本特性，为构建稳健可靠的深度强化学习代理迈出
PDF3 years ago
安全第一：通过对抗训练防范欺骗性对手
本文证明了敌对训练可以作为防御欺骗攻击的可靠方法，并通过实验验证了其鲁棒性。敌对训练在自然环境中抵御欺骗攻击的机制是通过避免学习器过度依赖非鲁棒特征。
PDF3 years ago
ICLR网络随机化：增强学习中通用的简单技术
本文提出一种简单有效的技术，通过引入随机卷积神经网络打乱输入观测数据，在提高深度强化学习智能体的泛化能力方面取得了显著效果，并且通过 Monte Carlo 近似的推理方法来减少随机化引起的方差。我们在 2D CoinRun、3D Deep
PDF5 years ago
基于骨架的动作识别模型的优化：更小、更快和更好
在骨架动作识别领域，提出了一种双特征双运动网络 (DD-Net)，其采用轻量级网络结构，利用鲁棒性特征，在 SHREC 和 JHMDB 数据集上实现了最先进的性能表现。
PDF5 years ago