| 标题 |
 Strengthening the Transferability of Adversarial Examples Using Advanced Looking Ahead and Self-CutMix 使用高级前瞻和Self-CutMix增强对抗性示例的可转移性
相关领域
对抗制
过度拟合
可转让性
计算机科学
人工智能
深层神经网络
过程（计算）
图像（数学）
机器学习
黑匣子
趋同（经济学）
随机梯度下降算法
深度学习
迭代和增量开发
人工神经网络
数学优化
算法
数学
软件工程
罗伊特
经济
经济增长
操作系统
|
| 网址 | |
| DOI | |
| 其它 |
期刊：2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW) 作者：Donggon Jang; Sanghyeok Son; Dae‐Shik Kim 出版日期：2022-06-01 |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
科研小民工
劲秉
SYLH
杳鸢
小林太郎
迟大猫
36456657
lalala
故意的傲玉
浦肯野
sweetbearm
Agernon
Zn
iNk
坚强的广山
从心
请叫我风吹麦浪
良辰
眯眯眼的衬衫
hhhblabla
皖公网安备34019202002308
