#160
summarized by : Rei Tamaru
Adversarial Examples Improve Image Recognition

どんな論文か?

Adversarial Example(AE)をデータセットに加えると過学習が抑制されることがあることが知られているが、この論文ではAEと通常のデータセットの分布が異なるため、AdvPropというBatch NormalizationをAEに適用することで汎化性能を向上させ画像認識でSoTA。
placeholder

新規性

AEをネットワークの脆弱性をつく攻撃のために用いるのではなく、その性質を活かした画像認識の精度の向上に着目した点が新規。

結果

データセットにAEを加え、EfficientNetにAdvPropを適用した状態で、画像認識においてSoTAな結果を出した。また、通常のクリーンな画像に対してだけでなく、ノイズを含む画像に対しても精度の高い認識結果を得ることができた。

その他(なぜ通ったか?等)

攻撃をしないというアイデアもさることながら、異なるBNを増やしただけというシンプルな仕組みにもかかわらず精度の向上を導け、他のConvNetsのモデルにも簡単に適用可能であるから。