TinyImageNet-10

新的蒸馏方法通过学生反馈优化教师模型

研究人员推出了一种新颖的框架——循环对抗鲁棒性蒸馏（CARD），以增强机器学习模型的对抗鲁棒性。与将教师模型视为固定来源的传统方法不同，CARD建立了一个闭环，学生模型通过反馈来优化教师模型。这种迭代过程能够改进鲁棒性迁移，在CIFAR-10、CIFAR-100和TinyImageNet-10数据集上的实验证明了这一点，这些实验显示在很大程度上保持干净准确率的同时，增强了对抗弹性。