因前段时间学业繁忙,比赛闲置了一段时间,结束之前的学业任务后,重新开始。虽不会取得拔尖的成绩,但还是做下记录,并与top解决方案进行对比以提高自己。
1、对抗训练
关于对抗训练使用了CleverHans的FGSM,CleverHans是一个基于Python的库,用于将机器学习系统中的漏洞与对抗性示例进行对比。 其支持Pytorch、tf2、JAX,使用方便代码简洁,直接pip安装即可。
pip install cleverhans
2、数据增强
之前使用了mixup做数据增强,分数提升了到了80多,但单一的数据增强方式并不能取得很好的成绩,所以之后的数据增强方式选择了Albumentations,Albumentations是一个基于OpenCV的快速训练数据增强库,拥有非常简单且强大的可以用于多种任务(分割、检测)的接口,易于定制且添加其他框架非常方便。它可以对数据集进行逐像素的转换,如模糊、下采样、高斯造点、高斯模糊、动态模糊、RGB转换、随机雾化等;也可以进行空间转换(同时也会对目标进行转换),如裁剪、翻转、随机裁剪等。

Albumentations requires Python 3.6 or higher. To install the latest version from PyPI:
pip install -U albumentations
使用的时候要注意此库基于OpenCV,在安装时opencv要使用opencv-python,而不要使用opencv-python-headless可能会出现一些乱七八糟的错误。
最后的成绩到了95左右,就写到这里,食物中毒去医院了,等身体好了后面应该还会更新一些细节
博主分享了在AAAI安全挑战赛中使用CleverHans库进行对抗训练以及Albumentations库进行数据增强的经验。对抗训练通过FGSM提升模型鲁棒性,数据增强则采用Albumentations进行多种图像变换,最终得分提升至95分。尽管因身体原因中断,博主计划后续继续完善细节。
5821

被折叠的 条评论
为什么被折叠?



