CrossCert: 用于深度学习模型补丁鲁棒性认证的交叉验证检测方法
本文介绍了一种利用Vision Transformer和Derandomized Smoothing相结合的方法来提高图像建模任务的准确性。该方法在ImageNet数据集上达到了41.70%的证明准确度,比之前最佳方法高出近1倍。同时,在CIFAR-10和ImageNet上实现了最先进的干净和证明准确度。
原文中文,约300字,阅读约需1分钟。
本文介绍了一种利用Vision Transformer和Derandomized Smoothing相结合的方法来提高图像建模任务的准确性。该方法在ImageNet数据集上达到了41.70%的证明准确度,比之前最佳方法高出近1倍。同时,在CIFAR-10和ImageNet上实现了最先进的干净和证明准确度。