对抗样本(论文解读十二): Imagenet-trained cnns are Biased towards Texture; Increasing Shape Bias Improves

Imagenet-trained cnns are Biased towards Texture; Increasing Shape Bias Improves Accuracy And Robustness

RobertGeirhos University of T¨ubingen & IMPRS-IS robert.geirhos@bethgelab.org
PatriciaRubisch University of T¨ubingen & U. of Edinburgh p.rubisch@sms.ed.ac.uk
ClaudioMichaelis University of T¨ubingen & IMPRS-IS claudio.michaelis@bethgelab.org
MatthiasBethge∗ matthias.bethge@bethgelab.org
FelixA.Wichmann∗ felix.wichmann@uni-tuebingen.de
WielandBrendel∗ University of T¨ubingen wieland.brendel@bethgelab.org

这是ICLR 2019的一篇oral文章，文章不是讲的关于对抗样本相关的，是因为在最新一篇对抗样本的文章中涉及到了它，感觉很有意思，同时读完以后觉得也很有实验探索价值，所以把它放在了这里。

**这篇文章主要实验探索了CNNs在判别物体时，到底是依赖的物体纹理还是依赖的物体的形状。**因为在去年自己做的实验当中也发现了这么一个现象，目标检测网络是可以通过物体的形状来检测目标的。而本篇论文主要是基于图像分类网络做的相关实验。不知道图像分类网络和目标检测网络在这相关领域是否存在一些差异，当然文中也涉及到了一点相关的实验。

本篇文章解读，也主要将以高度总结的形式，进行相