핵심 개념
Wir untersuchen, ob die Abweichung der Bildstatistiken vom Benford'schen Gesetz widergespiegelt wird, wenn Bilder auf verschiedenen Ebenen korrupt sind. Unsere Ergebnisse zeigen, dass für viele Korruptionsarten Bilder, die auf einer höheren Ebene korrupt sind, typischerweise stärker von der erwarteten Verteilung abweichen.
초록
In dieser Arbeit untersuchen die Autoren, ob die Abweichung der Statistiken der diskreten Kosinustransformationskoeffizienten (DCT) von Bildern vom theoretischen Benford'schen Gesetz (BFL) genutzt werden kann, um anomale Eingaben oder außerhalb der Verteilung liegende Daten in Sichtmodellen zu erkennen.
Die Autoren beschreiben zunächst die Theorie und die aktuellen Anwendungen der Verteilungsstatistiken von Bildern. Sie erläutern dann die Methodik zur Extraktion einer Verteilungsvergleichsmetrik aus Bildern und stellen den verwendeten ImageNet-C-Datensatz vor, der verschiedene Bildkorruptionen enthält.
Die Ergebnisse zeigen, dass für viele Korruptionsarten Bilder, die stärker korrupt sind, typischerweise stärker von der erwarteten BFL-Verteilung abweichen. Dies deutet darauf hin, dass dieser Ansatz als ergänzende Methode zur Erkennung von Anomalien oder außerhalb der Verteilung liegenden Daten verwendet werden könnte, auch wenn er nicht alle Fälle abdeckt. Die Autoren diskutieren mögliche Erweiterungen und Anwendungen dieser Technik.
통계
Die Mediane der Jensen-Shannon-Divergenz zwischen der empirischen Verteilung der DCT-Koeffizienten und der theoretischen BFL-Verteilung sind für saubere ImageNet-Bilder 0,0235, für Bilder mit Korruptionsstufe 1 0,0239, für Stufe 3 0,0246 und für Stufe 5 0,0256.
Die Top-1-Genauigkeit des AlexNet-Modells beträgt für saubere ImageNet-Bilder 0,633, für Bilder mit Korruptionsstufe 1 0,585, für Stufe 3 0,505 und für Stufe 5 0,395.
인용구
"Unsere Ergebnisse zeigen, dass für viele Korruptionsarten Bilder, die auf einer höheren Ebene korrupt sind, typischerweise stärker von der erwarteten Verteilung abweichen."
"Diese positive Erkenntnis motiviert weitere Tests, und wir glauben, dass Erweiterungen der in dieser Arbeit verwendeten Methoden wahrscheinlich zu positiven Ergebnissen führen werden."