【文件属性】:
文件名称:Adversarial-Patch-Training:论文代码
文件大小:58KB
文件格式:ZIP
更新时间:2021-05-04 19:25:24
python adversarial-machine-learning adversarial-training adversarial-defense adversarial-patches
针对位置优化的对抗补丁进行对抗训练
| | | |
论文代码:
Sukrut Rao,David Stutz,Bernt Schiele。 (2020)针对位置优化的对抗补丁的对抗训练。 在:Bartoli A.,Fusiello A.(编辑)《计算机视觉– ECCV 2020研讨会》中。 ECCV2020。《计算机科学讲义》,第12539卷。ChamSpringer。
设置
要求
Python 3.7或更高版本
火炬
科学的
h5py
scikit图像
scikit学习
可选要求
使用脚本将数据转换为HDF5格式
火炬视觉
枕头
大熊猫
使用Tensorboard日志记录
张量板
除了Python和PyTorch,所有要求都可以使用pip直接安装:
$ pip install -r requirements.txt
设定路径
在 ,设置以下变量:
BASE_DATA :数据
【文件预览】:
Adversarial-Patch-Training-master
----.gitignore(2KB)
----requirements.txt(145B)
----models()
--------classifier.py(5KB)
--------__init__.py(78B)
--------resnet_block.py(2KB)
--------resnet.py(3KB)
----scripts()
--------create_dataset_h5.py(2KB)
--------evaluate.py(7KB)
--------train.py(9KB)
----README.md(9KB)
----attacks()
--------__init__.py(135B)
--------norms.py(1KB)
--------adversarial_patch.py(10KB)
--------objectives.py(4KB)
--------attack.py(2KB)
----common()
--------numpy.py(15KB)
--------mask.py(10KB)
--------__init__.py(278B)
--------log.py(7KB)
--------datasets.py(4KB)
--------summary.py(4KB)
--------timer.py(991B)
--------torch.py(31KB)
--------imgaug.py(6KB)
--------utils.py(11KB)
--------paths.py(4KB)
--------test.py(9KB)
--------train()
--------state.py(4KB)
--------eval()