通过分段线性逼近和Lipschitz优化验证神经网络的几何鲁棒性
发表于: 。本文解决了验证神经网络在几何变换(如旋转、缩放、剪切和平移)下的鲁棒性问题。提出的方法通过采样和线性逼近结合分支限界的Lipschitz优化来计算像素值的可证明的分段线性约束,显著提高了对扰动区域的过度逼近精度。实验结果表明,该方法能更有效地解决比现有方法更多的验证案例。
本文解决了验证神经网络在几何变换(如旋转、缩放、剪切和平移)下的鲁棒性问题。提出的方法通过采样和线性逼近结合分支限界的Lipschitz优化来计算像素值的可证明的分段线性约束,显著提高了对扰动区域的过度逼近精度。实验结果表明,该方法能更有效地解决比现有方法更多的验证案例。