基于深度学习的图像识别问题中对抗样本的研究
神经网络在分类问题中表现出色.但最近研究表明,如果在原有输入数据上叠加一个很小的噪声,分类的效果就会受到严重干扰.本文主要研究基于FGS算法,针对图像分类问题生成对抗样本的原理与方法,该方法测试数据集上的测试表明,加入噪点后的任意图片所生成的对抗样本,能以99%以上的置信度被识别为我们指定的类别.
图像分类、对抗样本、深度学习
15
TP18(自动化基础理论)
2019-11-26(万方平台首次上网日期,不代表论文的发表时间)
共2页
222-223
点击收藏,不怕下次找不到~
图像分类、对抗样本、深度学习
15
TP18(自动化基础理论)
2019-11-26(万方平台首次上网日期,不代表论文的发表时间)
共2页
222-223
国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”
国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304
©天津万方数据有限公司 津ICP备20003920号-1
违法和不良信息举报电话:4000115888 举报邮箱:problem@wanfangdata.com.cn