NNMF

基于扩散的特征去噪增强了手写数字分类的鲁棒性

研究人员开发了一个新颖的框架，用于鲁棒的手写数字分类，该框架结合了基于扩散的特征去噪和混合特征表示。该方法首先使用非负矩阵分解 (NNMF) 将输入图像转换为可解释的示例，并通过卷积神经网络 (CNN) 提取深度特征。然后组合这些特征，并通过在特征空间中添加高斯噪声进行扩散操作，然后使用一个去噪器网络来逆转此过程。该方法使用 AutoAttack 进行了评估，并证明了其有效性和鲁棒性，优于基线 CNN 模型。