Adversarial Defense by Restricting the Hidden Space of Deep Neural Networks

Mustafa A., Khan S., Hayat M., Goecke R., Shen J., Shao L., Adversarial Defense by Restricting the Hidden Space of Deep Neural Networks, arXiv preprint arXiv:1904.00887, 2019.

代码

概

类似的, 是large margin的思想, 亮点是多层?

主要内容

以下, f^l表示第l层的输入, f为最后一层的输入.

在这里插入图片描述

一般的网络只有\mathcal{L}_{CE}:
\tag{1} \mathcal{L}_{CE}(x,y)=\sum_{i=1}^m -\log \frac{\exp(w_{y_i}^Tf_i+b_i)}{\sum_{j=1}^k\exp(w_j^Tf_i+b_j)},
从几何上将是不鲁棒的, 所以本文加了一个正则化项:

在这里插入图片描述

显然, 这个是希望和类别中心靠的近, 同时最大化类间距离.

进一步可以拓展到多层情况:


在这里插入图片描述
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

友情链接更多精彩内容