arXiv · cs.AI · Angela John, Hamayoon Behmanush · 9 小时前模型评分27
微调模型鲁棒性系统评估：ResNet50、DenseNet 与 MobileNet 在不同数据集上的表现
Systematic Evaluation of Robustness in Fine-tuned Models
导读
一项研究系统评估了微调后的预训练模型在 MNIST、CIFAR10、CIFAR100 和 SVHN 图像数据集上面对不同攻击时的鲁棒性。结果显示，微调模型的鲁棒性随数据分布和样本量变化，ResNet50、DenseNet 和 MobileNet 在各数据集上的防御表现也不同。研究建议按具体任务需求选择模型，并综合算力、内存占用和干净数据准确率等因素。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “Our study systematically evaluates the robustness of fine-tuned pre-trained models across different datasets and attack types, aiming to provide insights for researchers in selecting pre-trained models for image classification tasks while prioritizing robustness against potential attacks.”
来源：arXiv · cs.AI · arxiv.org