参数节省的对抗训练:通过超网络增强多扰动鲁棒性
原文中文,约400字,阅读约需1分钟。发表于: 。本文提出了一个新颖的多扰动对抗训练框架,即参数节省的对抗训练(PSAT),强化多扰动鲁棒性的同时具有参数节省的优势,并通过使用超网络训练专门针对单一扰动的模型并集成这些专门模型以抵御多种扰动。最终,我们在不同数据集上对我们的方法与最新攻击方法进行了广泛评估和比较,显示了我们提出的方法在鲁棒性和参数效率方面的优势,例如,对于 CIFAR-10 数据集,以 ResNet-50...
本文提出了参数节省的对抗训练(PSAT)框架,通过使用超网络训练专门针对单一扰动的模型并集成这些专门模型以抵御多种扰动,同时具有参数节省的优势。在不同数据集上进行广泛评估和比较,显示了该方法在鲁棒性和参数效率方面的优势。