일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Towards Deep Learning Models Resistant to Adversarial Attacks
- 리눅스 빌드
- AI Security
- 논문 분석
- DOTA dataset
- InstructPix2Pix
- Git
- Linux build
- paper review
- CARLA simulator
- TensorFlow Object Detection Model Build
- 객체 탐지
- Paper Analysis
- object detection
- VOC 변환
- 기능과 역할
- 크롤링
- 개발흐름
- DACON
- Custom Animation
- Object Detection Dataset 생성
- Branch 활용 개발
- Docker
- 커스텀 애니메이션 적용
- 사회초년생 추천독서
- TensorFlow Object Detection API install
- TensorFlow Object Detection 사용예시
- Carla
- TensorFlow Object Detection Error
- 논문분석
Archives
- Today
- Total
목록adversarial attack (1)
JSP's Deep learning

1. Adversarial Examples 요약 "Adversarial Examples"는 Model의 선형성(Linear nature)의 취약점을 이용한 공격 기법이다. "FGSM(Fast Gradient Sign Method)"을 통해서 Adversarial Examples을 생성한다. "Adversarial Training"을 통해서 "Adversarial Example"에 대해 Model을 Robust하게 한다. 2. 주요 용어 1) Softplus Function log(1+exp(x))로 정의된다. ReLU와 비슷하지만 ReLU는 x < 0에 대해서 0으로 처리하는 반면에 SoftPlus는 조금 더 Smooth하게 0으로 수렴하게 한다. 2) Maxout Function 활성화 함수를 piec..
Paper Review/AI Security
2023. 1. 15. 14:25