明晚 7 點直播,CVPR 2021 Oral | LAFEAT:打造更強的模型魯棒性評估方法

明晚 7 點直播,CVPR 2021 Oral | LAFEAT:打造更強的模型魯棒性評估方法

明晚 7 點直播,CVPR 2021 Oral | LAFEAT:打造更強的模型魯棒性評估方法

在人工智慧技術的推動下,自動駕駛等眾多技術領域近些年來取得了突飛猛進的發展,深度學習技術已經深入地融入到自動駕駛的感知層,決策層,控制層等眾多領域。

但同時當前的深度學習技術面臨著嚴峻問題的挑戰,例如自動駕駛的視覺感知系統容易受到對抗樣本的惡意攻擊,對影象新增人類難以察覺到細微擾動時便會使模型做出錯誤的判斷。錯誤的感知對在真實世界中執行的自動駕駛車輛帶來極大的安全隱患。

因此建立有效的模型魯棒性評估機制是打造真正安全可行的自動駕駛系統必不可少的基石。

為此澳門大學和深圳先進院聯合提出了一種透過新增新的分支高效利用模型的特徵資訊和解決浮點數計算誤差影響的新型損失函式,全面提升模型魯棒性評估的方法LAFEAT,並在所有模型的魯棒性評測中全面超越之前最好的方法。成果發表在CVPR2021oral。

本次論文分享,講者將主要介紹如何有效的使用模型的特徵資訊打造威力更強的攻擊演演算法。

分享人簡介

明晚 7 點直播,CVPR 2021 Oral | LAFEAT:打造更強的模型魯棒性評估方法

於雲瑞,澳門大學智慧城市物聯網國家重點實驗室智慧交通研究室二年級博士生,導師澳門大學科技學院院長鬚成忠教授。主要研究方向為人工智慧演演算法安全:深度學習中的對抗攻擊與防禦。以第一作者在CVPR國際會議上發表一篇oral論文。

分享主題

題目:CVPR2021 LAFEAT: 打造更強的模型魯棒性評估方法

分享提綱

1、深度學習魯棒性的簡介

2、現有的評估模型魯棒性方法存在的高估問題

3、如何新增新的分支高效使用模型特徵資訊

4、綜合使用模型特徵資訊和新型損失函式打造更強的魯棒性評估策略

論文:LAFEAT: Piercing Through Adversarial Defenses with Latent Features

論文地址:https://arxiv.org/abs/2104.09284

程式碼:https://github.com/lafeat/lafeat

明晚 7 點直播,CVPR 2021 Oral | LAFEAT:打造更強的模型魯棒性評估方法

分享時間

6月30日 週三晚7點

直播地址