文档摘要

6.2 可解释性与对抗样本：流水线的盲区 本节摘要：CNN 的两个盲区一体两面：解释不了自己为什么对（可解释性），且会被肉眼看不见的扰动骗过（对抗样本）。本节给出归因可视化的两张常用底牌（显著图与 Grad-CAM），用可手算的线性样例演示 FGSM 攻击如何让打分翻转，并交代对抗训练这条主流防御线的思路。 会员。《6.2 可解释性与对抗样本：流水线的盲区》收录于灏天文库文集《CNN 深度解析：图像识别的基石》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/449-cnn-%E6%B7%B1%E5%BA%A6%E8%A7%A3%E6%9E%90%E5%9B%BE%E5%83%8F%E8%AF%86%E5%88%AB%E7%9A%84%E5%9F%BA%E7%9F%B3

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流