[论文理解]对抗性例子能改善图像识别

1.几个问题

1.1 基本信息

CVPR 2020

1.2 做了什么

提出了AdvProp

1.3 实现方法 & 创新性

对抗性样本采用辅助卷积神经网络（auxiliary BN）进行处理，并将干净样本输入到主卷积神经网络（main BN）中进行训练。这种方法能够有效缓解两股数据分布的不均衡问题。

1.4 代码链接

Github

2.数学部分 & 模型构建

2.1 现有问题 & 解决方法

现有问题

已有研究表明，在完全监督条件下针对小规模的数据集（如MNIST）实施抗arial样本训练可显著提升模型泛化能力；而在半监督环境下则需依赖于较大规模的数据集才能观察到这种改进效果。
针对大规模数据集，在运用抗arial训练时将不可避免地影响其对干净数据的识别精度。
现有的抗arial训练模型本质上并无显著差异；我们基于假设认为干净