论文标题:From Adversarial Training to Generative Adversarial Networks
原文链接:https://arxiv.org/pdf/1807.10454.pdf
- 贡献:
联系GAN和对抗训练,提出AdvGAN,在同一个网络中连接生成器、判别器和对抗攻击者。通过共同训练(co-training)和微调(fine-tunning),同时提高生成图像质量和判别器在强对抗攻击下的准确度。
- 技术:
第一阶段:端到端GAN训练。生成器生成假图像输入给判别器,同时真实图像经过PGD攻击后输入给判别器。之后判别器最小化真假损失和类别损失。
第二阶段:用真实图像和生成图像精炼判别器
采用AC-GAN[1]结构,改进了loss函数。</