Provable, Explainable, Efficient, Robust Deep Neural Network for Large-scale Multimedia Retrieval

用于大规模多媒体检索的可证明、可解释、高效、鲁棒的深度神经网络

基本信息

批准号：
22KF0369
负责人：
佐藤真一
金额：
$ 1.41万
依托单位：
National Institute of Informatics
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KF0369/
关键词：
敵対的学習深層学習証明可能説明可能

项目摘要

深層学習は、特に画像・映像の意味解析において、極めて高精度の解析が可能であることが広く認識されており、自動運転、医療における自動診断、eコマースなどにおいての応用が期待されており、すでに利用も開始されている。一方、深層学習の学習はブラックボックスの状況で行われ、なぜ高い精度が出るのかの説明ができない、どういうときに認識誤りが起こるのか不明、さらにはシーンに微小な操作を加えることにより深層学習に認識誤りを起こさせる敵対的攻撃の問題(人間が見れば明らかに「止まれ」の標識なのに、深層学習ではそう認識できないようにシーンに加工を加える)が知られている。本研究では、こうした問題に総合的に取り組み、証明可能・説明可能・効率的・頑健な深層学習の枠組みの構築を目的とする。加えて、マルチメディア検索を対象として、この枠組みが実際に効果的に機能することを示す。2022年度には、証明可能な深層学習の枠組みについて検討を行った。特に敵対的学習について網羅的な実験を行い、効果的で頑健な敵対的学習手法の提案を行った他、画像検索等への応用の検討を実施した。

人们普遍认为深度学习能够进行极高精度的分析，尤其是在图像和视频的语义分析方面，有望在自动驾驶、自动医疗诊断、电子商务等领域得到应用。已经开始使用。另一方面，深度学习训练是在黑盒情况下进行的，无法解释为什么能达到很高的准确率，也不清楚什么时候会出现识别错误，而且深度学习是通过在训练中添加微小的操作来进行的。对抗性攻击存在一个已知问题，会导致识别错误（尽管这对于人类来说显然是一个“停止”标志，但深度学习会处理该场景，使其无法被识别）。本研究旨在全面解决这些问题，构建一个可证明、可解释、高效、鲁棒的深度学习框架。此外，我们还表明该框架在多媒体搜索实践中有效工作。 2022 年，我们考虑了一个可证明的深度学习框架。特别是，我们对对抗性学习进行了全面的实验，提出了一种有效且鲁棒的对抗性学习方法，并研究了其在图像检索等方面的应用。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Learning to Attack Real-World Models for Person Re-identification via Virtual-Guided Meta-Learning

DOI：
10.1609/aaai.v35i4.16422
发表时间：
2021-05
期刊：
影响因子：
0
作者：
Fengxiang Yang;Zhun Zhong;Hong Liu;Z. Wang;Zhiming Luo;Shaozi Li;N. Sebe;S. Satoh
通讯作者：
Fengxiang Yang;Zhun Zhong;Hong Liu;Z. Wang;Zhiming Luo;Shaozi Li;N. Sebe;S. Satoh

Mitigating robust overfitting via self-residual-calibration regularization

通过自残差校准正则化减轻稳健过度拟合

DOI：
10.1016/j.artint.2023.103877
发表时间：
2023
期刊：
Artificial Intelligence
影响因子：
14.4
作者：
Liu Hong;Zhong Zhun;Sebe Nicu;Satoh Shin'ichi
通讯作者：
Satoh Shin'ichi

Improving Camouflaged Object Detection with the Uncertainty of Pseudo-edge Labels

DOI：
10.1145/3469877.3490587
发表时间：
2021-10
期刊：
Proceedings of the 3rd ACM International Conference on Multimedia in Asia
影响因子：
0
作者：
Nobukatsu Kajiura;Hong Liu;S. Satoh
通讯作者：
Nobukatsu Kajiura;Hong Liu;S. Satoh

Towards Robust Person Re-identification by Defending Against Universal Attackers

通过防御通用攻击者实现稳健的人员重新识别

DOI：
10.1109/tpami.2022.3199013
发表时间：
2023
期刊：
IEEE Transactions on Pattern Analysis and Machine Intelligence
影响因子：
23.6
作者：
Fengxiang Yang;Juanjuan Weng;Zhun Zhong;Hong Liu;Zheng Wang;Zhiming Luo;Donglin Cao;Shaozi Li;Shin'ichi Satoh;Nicu Sebe
通讯作者：
Nicu Sebe

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

佐藤真一其他文献

Boosting Image Retrieval by Diffusion

通过扩散增强图像检索

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
河江肖剰;佐藤悦夫;佐藤昇;高橋亮介その他;渡辺美季;李成市;阿部芳弘・日下宗一郎・米田穣ほか;清水哲郎;高田智和;佐藤宏之;佐藤真一;山花京子;高田智和;グエン・ティ・フォン・トム;小関悠一郎;会田薫子;高橋龍三郎;山田康弘;Shin'ichi Satoh
通讯作者：
Shin'ichi Satoh