webb-c / raid

Reinforcement Assisted Image Defense against Adversarial Attacks

RAID

Note

RAID : Reinforcement Assisted Image Defense against Adversarial Attacks

Members

• Vaughn
• Suhwan
• Hwanhee
• UiJin

Docker execution

git 디렉토리에서 다음 명령어 실행하여 image 생성

> docker build -t ku-raid .

다음 명령어 실행하여 docker 접속

> docker run --rm -it -v (PATH TO DIRECTORY):/volume -p 6006:6006 ku-raid

docker 내부에서 다음 명령어 실행하여 코드 작성 (예시)

> python main.py

docker 내부에서 다음 명령어 실행하여 tensorboard 실행 후, localhost:6006으로 접속

> tensorboard --logdir runs --host=0.0.0.0

raid's Issues

validation 관련

학습도중에 train <-> val을 계속 전환해야할텐데 Env의 mode가 val이 되었다가 다시 train으로 변하는 데이터셋의 처음부터 다시보게 되는건가요? 그렇게 되면 안될 것 같은데

bug: Gaussian Blurring

특정 조건일 때 다음 에러가 계속 발생

cv2.error: OpenCV(4.8.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\smooth.dispatch.cpp:617: error: (-215:Assertion failed) !_src.empty() in function 'cv::GaussianBlur'

_inference에 인자가 필요할까요?

_inference가 분류하고자 하는 image를 인자를 가질 필요가 있나요? 내부에서 self.state 사용하면 되지 않나요?

feature addition 관련

현재 코드에서는

mid_feature = self.backbone_part1(img)
agent_feature = self.backbone_part2(mid_feature + feature)
agent_feature = torch.squeeze(agent_feature)   

형태로 feature addition이 구현되어있는데, 다른 파라미터 조절이나 정규화 필요없이 이렇게 진행해도 괜찮을까요?