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：2024-05-24 13:12:04
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()