BriefGPT - AI 论文速递
·
边缘检测器能够使深度卷积神经网络更加稳健
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过将边缘检测器作为层核心并设计二进制边缘特征分支（BEFB）来增强深度卷积神经网络（DCNN）的鲁棒性。实验证明，采用BEFB的集成模型在面对多种攻击时具有更高的分类准确性，并且具备了轻量化和不对训练造成负面影响的特点。该研究首次表明通过结合形状类特征和纹理特征可以增强DCNN的鲁棒性。
🎯
关键要点
- 通过将边缘检测器作为层核心，设计二进制边缘特征分支（BEFB）来增强深度卷积神经网络（DCNN）的鲁棒性。
- 采用BEFB的集成模型在面对多种攻击时具有更高的分类准确性。
- 该模型具备轻量化特点，不对训练造成负面影响。
- 研究首次表明结合形状类特征和纹理特征可以增强DCNN的鲁棒性。
➡️
