图片的低频,高频

论文：High-frequency Component Helps Explain the Generalization of Convolutional Neural Networks
核心：论文注意到CNN具备捕获人类无法感知的高频成分能力，
2020年CVPR 顶会
实验一：

发现了一些非常奇怪的事情：模型对人眼看上去和原图差不多的低频图错误预测，反而正确预测了全黑的高频图
（左边是原始图片，中间是低频图片 ，右边是高频图片）
就这个现象作者提出了合理假设：人类只能感知低频，CNN对低频高频都有感知；

说明,人类只在低频信息中做出预测,CNN会同时利用高频和低频信息

实验二
本文对CNN的数据学习模式做了以下推理：

在正确标注的样本中，CNN倾向于先学习低频信息，再逐渐提取高频信息，以提升精度；

在混淆标签样本中，低频信息不再与标签相关联，所以模型对于低频信息与高频信息不再区别对待，意味着CNN开始记忆数据本身的信息。

为了验证以上想法的正确性，作者分别利用正确标注和混淆标注的CIFAR10数据的低频信息，在ResNet18上训练分类器，观察其收敛情况，