使用对抗性示例放大两个类之间的差异

问题描述

我有一个猫的图像数据集，我将数据集一分为二。我将一组图像分类为 1，另一组为 0。这很难学习。我正在考虑通过使用对抗性示例增加猫之间的差异来提高模型的准确性。例如，一旦我对所有图像进行了相同的对抗变换，我的算法应该通过放大类之间的微小差异来更好地学习。更好的是，我想学习一个对抗性的例子来提高我的准确性。我在 pytorch 中使用了一个叫做傻瓜盒的库。我知道如何创建对抗性示例。如果您建议，可以选择使用其他库。

import foolBox as fb

model = Net()
fmodel = fb.PyTorchModel(model,bounds=(0,1))

attack = fb.attacks.LinfPGD()
epsilons = [0.0,0.001,0.01,0.03,0.1,0.3,0.5,1.0]
_,advs,success = attack(fmodel,images,labels,epsilons=epsilons)

但我不知道如何学习一个对抗性示例，该示例将向左拉另一类，另一类向右拉。感谢帮助。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）