arXiv 机器学习· Long Dang, Satpal Sura, Kaiqi Xiong·· 6 小时前AI 评分32
缓解不可学数据集的基于梯度的对抗增强框架
A Gradient based Adversarial Augmentation Framework for Mitigating Unlearnable Datasets
AI 导读
研究人员提出一种基于梯度的对抗增强框架，通过随机梯度上升学习数据增强策略，以缓解不可学习数据集（ULD）造成的捷径学习。该框架利用可微分数据增强流水线在多达 18 种技术中高效搜索，并引入感知加像素正则化以保留图像语义。在 NTGA 保护的 CIFAR-10 数据集上，MobileNet-V2 的干净测试准确率达到 83.28%，显著优于随机采样基线的 66.45%。
来源：arXiv 机器学习 · arxiv.org