基于动态频带过滤的图像识别

传统的机器学习方法在图像识别和物体检测等方面逐渐被深度学习方法所取代。深度学习中的神经网络容易受到对抗性攻击,需要提高其鲁棒性。为此,过滤输入样本中敏感频段的噪声,以增强网络抵御对抗性攻击的能力。所提出的技术在ResNet50上的分类准确率为95%。