[paper]SPATIALLY TRANSFORMED ADVERSARIAL EXAMPLES

最新推荐文章于 2020-09-09 17:52:58 发布

VIP文章 ch1762

最新推荐文章于 2020-09-09 17:52:58 发布

阅读量569

点赞数

分类专栏： AEs 文章标签：机器学习深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_43150428/article/details/106096111

版权

本文提出了一种基于空间变换（spatially transformed）（smooth image deformation）的对抗样本生成算法。（ $L_p$ 距离较大，但图像更真实更不容易被检测）
之前的生成算法大多是将 $L_p$ 范数作为损失函数，然后直接调整像素值。

两个重要因素
1）图片亮度和质量
2）几何关系

先前的大多数对抗攻击都建立在改变亮度和质量的基础上，同时假设在对抗扰动生成过程中图片的几何关系保持不变。

算法：
最小化空域局部形变，而不是传统的像素值 $L p$ 距离。具体地，设输入图像为 $x$ ，输出的对抗样本为 $x_adv$ ，每个像素的位移场为 $f$ ，则 $x(r)=x_adv(r+f)$

最低0.47元/天解锁文章

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
[paper]SPATIALLY TRANSFORMED ADVERSARIAL EXAMPLES

本文提出了一种基于空间变换（spatially transformed）（smooth image deformation）的对抗样本生成算法。（LpL_pLp距离较大，但图像更真实更不容易被检测）之前的生成算法大多是将LpL_pLp范数作为损失函数，然后直接调整像素值。两个重要因素1）图片亮度和质量2）几何关系先前的大多数对抗攻击都建立在改变亮度和质量的基础上，同时假设在对抗扰动生成过程中图片的几何关系保持不变。算法：最小化空域局部形变，而不是传统的像素值LpLpLp 距离。具体地，设输
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。