LAROUDIE, M. Clément (2024) Etude de Certifiabilité à l'aide d'opérateurs morphologiques PRE - Projet de recherche, ENSTA.

Fichier(s) associé(s) à ce document :

[img]PDF
Available under License Creative Commons Attribution.

881Kb

Résumé

Les réseaux de neurones profonds sont particulièrement vulnérables à des attaques adversariales, ce qui devient problématique dans des domaines où la sécurité est un enjeu critique. Un des défis est donc de créer des modèles qui sont moins sensibles à ce genre d'attaque mais qui peuvent également le certifier. Notre travail étudie un opérateur morphologique particulier, la dilatation, qui a des propriétés intéressantes et qui pourrait s'avérer une bonne alternative aux convolutions. À cette fin, nous avons tenté de créer un modèle 1-Lipschitzien qui intègre des couches de dilatations.

Type de document:Rapport ou mémoire (PRE - Projet de recherche)
Mots-clés libres:Apprentissage profond, Vision par ordinateur, Morphologie, Certifiabilité, Robustesse, Modèles Lipschitziens
Sujets:Sciences et technologies de l'information et de la communication
Code ID :9990
Déposé par :Clément LAROUDIE
Déposé le :13 août 2024 15:45
Dernière modification:13 août 2024 15:45

Modifier les métadonnées de ce document.