đź“Ž Breaking Linear Classifiers on ImageNet

Podem agafar qualsevol imatge arbitrĂ ria (p. ex. “panda”) i classificar-la com a qualsevol classe que desitgem (p. ex. “estruç”) afegint pautes de soroll minĂşscules i imperceptibles… Però, de fet, el defecte central s’estĂ©n a molts altres dominis (p. ex. sistemes de reconeixement de veu). ) i, el mĂ©s important, tambĂ© als classificadors lineals. De fet, Ă©s aquesta naturalesa lineal que Ă©s problemĂ tica. I com que els models d’aprenentatge profund fan servir funcions lineals per construir la seva arquitectura, hereten els seus defectes.

Carles Bellver TorlĂ  @carlesbellver