Kajetan Schweighofer

新的AutoBackSwap技术提高了AI图像分类器的鲁棒性

研究人员开发了一种名为自动化背景替换（AutoBackSwap）的新技术，以提高图像分类任务中深度神经网络的鲁棒性。该方法解决了模型依赖背景特征而非前景内容的虚假相关性问题。AutoBackSwap 分离前景和背景，合成新背景，并通过组合不同的前景和背景来增强训练数据。该技术仅需几百个块状标注样本即可训练一个辅助网络，并有效提高泛化能力，在具有虚假背景的任务上表现优于先前的方法。