GraphRectify 实现对抗样本检测器跨骨干迁移
热点事件持续更新
GraphRectify 实现对抗样本检测器跨骨干迁移
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Arash Vashagh 与 Roozbeh Razavi-Far 提出 GraphRectify，一个基于图的框架，可把对抗图像检测器从一个分类器骨干迁移到另一个骨干，无需重新训练即可复用。 在覆盖多个数据集、骨干架构和对抗攻击（包括同时针对分类器与检测器的自适应攻击）的评测中，GraphRectify 的聚合 ROC-AUC 高于在新骨干上从零训练的检测器及各项迁移消融。跨骨干家族迁移且数据充足时增益尤为明显；在数据最受限的场景下，从零训练仍具竞争力。
AI 根据报道生成 · 3 小时前更新
最新进展10月8日 12:00
GraphRectify：跨神经网络迁移对抗样本检测器的图方法报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CVGraphRectify：跨神经网络迁移对抗样本检测器的图方法
GraphRectify 是一个基于图的框架，可将对抗图像检测器从一个分类器骨干迁移到另一个骨干，无需重新训练即可复用检测器。在多个数据集、骨干架构和对抗攻击（含同时针对分类器与检测器的自适应攻击）的完整评测矩阵上，其聚合 ROC-AUC 高于在新骨干上从零训练的检测器及各项迁移消融。跨骨干家族迁移且数据充足时增益尤为明显，而从零训练在数据最受限的场景下仍有竞争力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。