2026 01 4月 卷积神经网络 2026/4/1 02:48:05 如何评估CNN模型的鲁棒性 噪声、旋转与裁剪等数据增强的测试 2026-04-01 Wang Yan 1,579 次阅读 本文详细介绍了如何评估CNN模型的鲁棒性，通过噪声、旋转与裁剪等数据增强的测试方式，结合Python示例代码进行演示。阐述了评估的重要性、测试方法、评估指标，还分析了应用场景、技术优缺点和注意事项。帮助开发者更好地理解和提升CNN模型在复杂环境下的性能，确保其在安防监控、自动驾驶等实际应用中稳定可靠。 CNN Testing Metrics data augmentation Robustness Evaluation
2026 02 2月 卷积神经网络 2026/2/2 00:51:15 怎样评估CNN模型的对抗鲁棒性 常用的测试指标与攻击算法 2026-02-02 Huang Hua 1,513 次阅读 本文详细介绍了评估CNN模型对抗鲁棒性的常用测试指标与攻击算法。包括准确率、攻击成功率、扰动大小等测试指标，以及快速梯度符号法（FGSM）、迭代快速梯度符号法（I - FGSM）等攻击算法。结合Python和PyTorch的示例代码进行说明，分析了应用场景、技术优缺点和注意事项，帮助读者全面了解如何评估CNN模型的对抗鲁棒性。 CNN Adversarial Robustness Testing Metrics Attack Algorithms