聚類訓練Clustering Training for Robustness

ClustTR: Clustering Training for Robustness

Motasem Alfarra, Juan C. Pérez, Adel Bibi, Ali Thabet, Pablo Arbeláez, Bernard Ghanem
arXiv preprint arXiv:2006.07682.

作者提出聚類訓練(ClusTR)衡查,將聚類的思想應用于模型的輸出空間领斥,并設計出相應的clustering loss芹务,通過反向傳播學習出魯棒的模型屎暇。

  • 首先定義基于聚類的分類器
    給定輸入-標簽對\mathcal{D}=\left\{x_{i}, y_{i}\right\}_{i=1}^{N}x_{i} \in \mathbb{R}^{n}廉油,標簽總共有L個類別
    DNN定義為f_{\theta}: \mathbb{R}^{n} \rightarrow \mathbb{R}^hnh3td3
    考慮最簡單的二分類情況规哲,即L=2诡蜓,每個類別的簇數(shù)K=1
    x_i被分類為簇1,當且僅當
    \left\|f_{\theta}\left(x_{i}\right)-\mu_{1}\right\|<\left\|f_{\theta}\left(x_{i}\right)-\mu_{2}\right\|\mu_{1}是簇1的中心猎塞,\mu_{2}是簇2的中心)
    假設f_{\theta}是Lipschitz連續(xù)试读,即
    \left\|f_{\theta}(x)-f_{\theta}(y)\right\| \leq \mathcal{L}_{f}\|x-y\|
    x添加擾動\delta后,即x+\delta依然被分類正確荠耽,則有
    \left\|f_{\theta}(x+\delta)-\mu_{1}\right\|<\left\|f_{\theta}(x+\delta)-\mu_{2}\right\|
    其中钩骇,\delta滿足
    \|\delta\|<\frac{\left\|f_{\theta}(x)-\mu_{2}\right\|^{2}-\left\|f_{\theta}(x)-\mu_{1}\right\|^{2}}{2 \mathcal{L}_{f}\left\|\mu_{2}-\mu_{1}\right\|}
  • 推廣到多類多簇
    類別數(shù)L,每個類別的簇數(shù)為K
    \mu_{1}=\mu_{i^{*}, j^{*}}=\arg min _{i \in\{1, \ldots, L\}, j \in\{1, \ldots, K\}}\left\|f(x)-\mu_{i, j}\right\|
    \mu_{2}=\mu_{k^{*}, l^{*}}=\arg min _{i \in\{1, \ldots, L\} /\left\{i^{*}\right\}, j \in\{1, \ldots, K\}}\left\|f(x)-\mu_{i, j}\right\|
    其它類別同理
  • 聚類損失Clustering Loss
    設計聚類損失的核心思想在于铝量,使同類特征距離中心越近倘屹,不同類距離中心越遠
    給定衡量同類距離的函數(shù)\mathcal{F},衡量不同類距離的函數(shù)\mathcal{G}慢叨,綜合考慮\mathcal{F}\mathcal{G}的穩(wěn)定損失\mathcal{H}唐瀑,則有一般形式的聚類損失
    \mathcal{L}_{\text {Clustering }}^{\text {Robust }}=\frac{1}{N} \sum_{i=1}^{N} \mathcal{H}\left(\mathcal{F}\left(f_{\theta}\left(x_{i}\right),\left\{\mu_{c_{i}, j}\right\}_{j=1}^{K}\right), \mathcal{G}\left(f_{\theta}\left(x_{i}\right),\left\{\mu_{v \neq c_{i}, j}\right\}_{j=1}^{K}\right)\right)
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市插爹,隨后出現(xiàn)的幾起案子哄辣,更是在濱河造成了極大的恐慌,老刑警劉巖赠尾,帶你破解...
    沈念sama閱讀 222,681評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件力穗,死亡現(xiàn)場離奇詭異,居然都是意外死亡气嫁,警方通過查閱死者的電腦和手機当窗,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,205評論 3 399
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來寸宵,“玉大人崖面,你說我怎么就攤上這事√萦埃” “怎么了巫员?”我有些...
    開封第一講書人閱讀 169,421評論 0 362
  • 文/不壞的土叔 我叫張陵,是天一觀的道長甲棍。 經(jīng)常有香客問我简识,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,114評論 1 300
  • 正文 為了忘掉前任七扰,我火速辦了婚禮奢赂,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘颈走。我一直安慰自己膳灶,他們只是感情好,可當我...
    茶點故事閱讀 69,116評論 6 398
  • 文/花漫 我一把揭開白布立由。 她就那樣靜靜地躺著轧钓,像睡著了一般。 火紅的嫁衣襯著肌膚如雪拆吆。 梳的紋絲不亂的頭發(fā)上聋迎,一...
    開封第一講書人閱讀 52,713評論 1 312
  • 那天,我揣著相機與錄音枣耀,去河邊找鬼霉晕。 笑死,一個胖子當著我的面吹牛捞奕,可吹牛的內(nèi)容都是我干的牺堰。 我是一名探鬼主播,決...
    沈念sama閱讀 41,170評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼颅围,長吁一口氣:“原來是場噩夢啊……” “哼伟葫!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起院促,我...
    開封第一講書人閱讀 40,116評論 0 277
  • 序言:老撾萬榮一對情侶失蹤筏养,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后常拓,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體渐溶,經(jīng)...
    沈念sama閱讀 46,651評論 1 320
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,714評論 3 342
  • 正文 我和宋清朗相戀三年弄抬,在試婚紗的時候發(fā)現(xiàn)自己被綠了茎辐。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,865評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡掂恕,死狀恐怖拖陆,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情懊亡,我是刑警寧澤依啰,帶...
    沈念sama閱讀 36,527評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站斋配,受9級特大地震影響孔飒,放射性物質(zhì)發(fā)生泄漏灌闺。R本人自食惡果不足惜艰争,卻給世界環(huán)境...
    茶點故事閱讀 42,211評論 3 336
  • 文/蒙蒙 一坏瞄、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧甩卓,春花似錦鸠匀、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,699評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至机错,卻和暖如春爬范,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背弱匪。 一陣腳步聲響...
    開封第一講書人閱讀 33,814評論 1 274
  • 我被黑心中介騙來泰國打工青瀑, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人萧诫。 一個月前我還...
    沈念sama閱讀 49,299評論 3 379
  • 正文 我出身青樓斥难,卻偏偏與公主長得像,于是被迫代替她去往敵國和親帘饶。 傳聞我的和親對象是個殘疾皇子哑诊,可洞房花燭夜當晚...
    茶點故事閱讀 45,870評論 2 361