|从多模态到泛化性,无监督学习如何成为人工智能的下一站?( 四 )
当然 , 除了对抗训练外 , 也有很多别的防御方法 。 例如在预测前对图像先进行预处理 , 试图破坏甚至是去除对抗噪声 。 这种防御思路被称为基于预处理的防御 , 目前也有大量的学者在争论这种防御方式究竟是否有效 。 此外 , 基于检测类型的防御 , 即先通过异常检测 , 确定数据中是否为对抗样本 , 也是另一类重要的防御方法 。
当然 , 尽管深度神经网络对对抗噪声不鲁棒 , 但其鲁棒性也并没有想象中那么糟糕 。 如果数据中只是添加一些随机噪声 , 一般并不会影响模型的结果 。
推荐阅读
- 科学|福建物构所等在水溶性镧系分子笼的设计合成及其双模态成像应用研究中取得进展
- 导航|高德回应导航致景区拥堵:已对地图进行优化感谢监督
- |把因果干预用到弱监督语义分割上!这篇NeurIPS 2020 oral论文不简单
- 谷歌|Alphabet就高管性骚扰指控与股东达成和解 将加强监督
- 行业互联网|Alphabet就高管性骚扰指控与股东达成和解 将加强监督
- 商家|爱库存向国家市场监督管理总局等四家机构实名举报唯品会不正当竞争
- 智能机器人|张建伟院士应对人工智能挑战 加强汉堡和北京跨模态基础研究项目
