BriefGPT - AI 论文速递
·
Narrowing the Gap in Class Robustness in Adversarial Training
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种增强标签的方法，以解决对抗训练中的分类性能不均衡问题。经过改进，模型的鲁棒性提高了53.50%，类别不平衡减少了5.73%，在干净样本和对抗样本的准确性上优于传统方法。
🎯
关键要点
- 本研究提出了一种增强标签的方法，解决对抗训练中的分类性能不均衡问题。
- 经过改进，模型的鲁棒性提高了53.50%。
- 类别不平衡减少了5.73%。
- 在干净样本和对抗样本的准确性上优于传统方法。
➡️
