BriefGPT - AI 论文速递
·
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
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
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。
🎯
关键要点
-
本文介绍了一种结合 Vision Transformer 和 Derandomized Smoothing 的方法。
-
该方法提高了图像建模任务的证明准确性。
-
在 ImageNet 数据集上，该方法达到了 41.70% 的证明准确度，超过之前最佳方法近 1 倍。
-
在 2% 区域补丁攻击下，证明准确度为 41.70%，之前最佳为 26.00%。
-
该方法的干净准确度为 78.58%，接近 ResNet-101 的准确度。
-
在 CIFAR-10 和 ImageNet 上实现了最先进的干净和证明准确度。
➡️
