《表1 对抗人脸识别：AI安全——对抗样本技术综述与应用》

《表1 对抗人脸识别：AI安全——对抗样本技术综述与应用》   提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《AI安全——对抗样本技术综述与应用》


  1. 获取 高清版本忘记账户？点击这里登录
  1. 下载图表忘记账户？点击这里登录

Song等人[8]更进一步采用对抗样本攻击人脸识别系统，并使其识别到指定的错误类别．如表1所示，从原始样本生成的相似对抗样本均被识别为指定的错误类别．

图表编号XD008740900    严禁用于非法目的
绘制时间2019.11.05
作者陈岳峰、毛潇锋、李裕宏、何源、薛晖
绘制单位阿里巴巴(中国)有限公司、阿里巴巴(中国)有限公司、阿里巴巴(中国)有限公司、阿里巴巴(中国)有限公司、阿里巴巴(中国)有限公司
更多格式高清、无水印（增值服务）

相关图表

  1. 《表1 国外人脸识别技术的应用场景[7]》2020.09.01
  2. 《表1 人脸识别技术在沈阳市的应用模式统计》2020.12.15
  3. 《表1 图像质量评价：基于生成对抗网络的遮挡人脸修复》2021.02.20
  4. 《表2 以图搜图：人脸识别与视频结构化技术在警务实战过程中的建设与应用》2018.08.30
  5. 《表1 综合检索：人脸识别与视频结构化技术在警务实战过程中的建设与应用》2018.08.30
  6. 《表1 传统人脸识别方法：有遮挡人脸识别方法综述》2020.05.01
  7. 《表1：基于隐私保护的人脸识别技术应用研究》2020.07.25
  8. 《表1 模型的体系结构：生成对抗网络进行感知遮挡人脸还原的算法研究》2020.02.01
  9. 《表1 符号描述：攻击分类器的对抗样本生成技术的现状分析》2020.03.01
  10. 《表1 公开活体数据集：人脸识别活体检测综述》2020.02.25
  11. 《表7 综合测试结果：一种改进深度卷积生成对抗网络的人脸分割方法》2019.10.25
  12. 《表6 预设参数：一种改进深度卷积生成对抗网络的人脸分割方法》2019.10.25
  13. 《表1 图片分类结果对比：基于深度学习的图像识别问题中对抗样本的研究》2019.10.01
  14. 《表1 两种模式应用对比：人工智能人脸识别技术的应用与安全挑战》2019.09.20
  15. 《表1 人脸识别技术主要应用领域》2019.08.28
  16. 《表4 良性样本检出数：对抗分析技术对安卓生态系统安全性影响研究》2019.08.01
  17. 《表1 特征文件列表：对抗分析技术对安卓生态系统安全性影响研究》2019.08.01
  18. 《表2 模拟器列表：对抗分析技术对安卓生态系统安全性影响研究》2019.08.01
  19. 《表2 镜框实验成功率：深度学习人脸识别系统的对抗攻击算法研究》2019.08.01
  20. 《表1 性能指标：基于条件生成对抗网络的人脸补全算法》2019.06.20

随机翻阅

《表1 两组治疗前后CARS各项评分比较》 《表1 调查问卷结果描述性统计分析》 《表3 拟合参数a、b取值》 《表1“00后”大学生对弹幕视频网站的认知情况调查结果》 《表2 两组满意度对比[n(%)]》 《表2 中心度≥0.1的关键词统计》 《表2 组织领地侵占行为初步概念化举例》 《表3 pH值对肌球蛋白-琼脂混合凝胶质构特性的影响》 《表4 企业文化健康度评价指标体系》 《表1 西黄丸对大鼠卵巢中雌二醇受体α (ERα) 、雌二醇受体β (ERβ) 和孕激素受体 (PR) 的影响 (±s)》