Attack: AutoAttack: 78.13
Papers with Code · CC BY-SA 4.0
Adversarial Attack
An Adversarial Attack is a technique to find a perturbation that changes the prediction of a machine learning model. The perturbation can be very small and imperceptible to human eyes.
<span class="description-source">Source: Recurrent Attention Model with Log-Polar Mapping is Robust against Adversarial Attacks </span>
개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.
벤치마크
Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.
데이터셋
3개논문
Attack: PGD20: 78.680Attack: DeepFool: 51.310Attack: AutoAttack: 44.150
Robust Accuracy: 1%
Attack: AutoAttack: 59.70
SDR: 0.70dB
Attack: PGD20: 45.900
Attack: PGD20: 48.440
라이브러리
Papers with Code 리더보드 row에 연결된 구현 저장소입니다.