sumching / adversarial_ali

实验记录

模型	方法	分数	本地模型效果
vgg19	tageted cost + non tageted cost，一比一，迭代10次	0.082	基本识别错误，但没有识别到taget类
vgg19	tageted cost，迭代20次	0.079	大部分能识别到taget类
resnet50			没加噪声的原图识别率极低，暂时不明原因
vgg19+inception_v3	tageted cost + non tageted cost，一比一，先vgg19迭代20次，再inceptionV3迭代20次	0.101	基本识别错误，但没有识别到taget类
inception_v3	先用IFGSM迭代10次，然后ILA迭代10次	0.156	迁移到resnet18上测试，分类准确率30%最左右
resnet18	先用IFGSM迭代10次，然后ILA迭代10次	0.100	迁移到InceptionV3上测试，分类准确率到80%
Densenet121	同上	0.1339	迁移到InceptionV3上测试，分类准确率76%，而仅使用IFGSM的方法，分类准确率为93%
Alexnet	同上	0.1102	迁移到InceptionV3上测试，分类准确率91%，而仅使用IFGSM的方法，分类准确率为93%
SqueezeNet1.0 L3	同上	0.1200	迁移到InceptionV3上测试，分类准确率74%，而仅使用IFGSM的方法，分类准确率为90%
inception_v3, inception_v4, inception_resnet_v2, resnet_V2, prob=0.7, momentum=1.0, num_iter=16	Translation-Invariant-Attacks, untargeted	0.49
inception_v3, inception_v4, inception_resnet_v2, resnet_V2, prob=0.7, momentum=1.0, num_iter=16	Translation-Invariant-Attacks, targeted	0.44
inception_v3, inception_v4, inception_resnet_v2, resnet_V2, prob=0.5, momentum=1.0, num_iter=50	Translation-Invariant-Attacks, untargeted	0.66
adv_inception_v3, ens_adv_inception_resnet_v2, nception_v3, inception_v4, inception_resnet_v2, resnet_V2, prob=0.7, momentum=1.0, num_iter=10	Translation-Invariant-Attacks, targeted	0.48
adv_inception_v3, ens_adv_inception_resnet_v2, nception_v3, inception_v4, inception_resnet_v2, resnet_V2, prob=0.7, momentum=1.0, num_iter=50	Translation-Invariant-Attacks, targeted	0.51
adv_inception_v3, ens3_adv_inception_v3, ens3_adv_inception_v3, ens_adv_inception_resnet_v2, inception_v4, adv_inception_resnet_v2, resnet_V2, prob=0.0, momentum=1.0, num_iter=50	Translation-Invariant-Attacks, untargeted	1.02