TPAMI 2024 | 应对深度神经网络对抗性攻击——RPC图像编码有奇效！

主要观点总结

本文提出了一种受人类认知启发的图像编码方法——Recognition as Part Composition (RPC)。该方法将图像分解为显著的部分，并将每个部分编码为少数几个原型的混合，这些原型代表特定的概念。RPC学习方法可以克服深度卷积网络在小样本泛化任务中的障碍，并提高分类器对对抗性攻击的鲁棒性。此外，RPC编码对人类也是可解释的，并可以通过众包实验得到证实。最后，RPC编码还被提议用于生成合成属性注释，以评估新数据集上的零样本学习方法。

关键观点总结

关键观点1: Recognition as Part Composition (RPC) 方法

RPC是一种受人类认知启发的图像编码方法，将图像分解为部分，并将每个部分编码为少数几个原型的混合，这些原型代表特定的概念。

关键观点2: RPC 的优点

RPC学习方法可以克服深度卷积网络在小样本泛化任务中的障碍，并提高分类器对对抗性攻击的鲁棒性。RPC编码对人类也是可解释的，并可以通过众包实验得到证实。

关键观点3: RPC 的应用

RPC编码被提议用于生成合成属性注释，以评估新数据集上的零样本学习方法。