Evaluating the Adversarial Robustness of Semantic Segmentation Trying Harder Pays Off /
Elmentve itt :
| Szerzők: |
Halmosi Levente Mohos Bálint Jelasity Márk |
|---|---|
| Dokumentumtípus: | Cikk |
| Megjelent: |
Springer
Cham
2025
|
| Sorozat: | Lecture Notes in Computer Science
15137 Lecture Notes in Computer Science 15137 Computer Vision – ECCV 2024 15137 |
| Tárgyszavak: | |
| doi: | 10.1007/978-3-031-72986-7_1 |
| mtmt: | 35496085 |
| Online Access: | http://publicatio.bibl.u-szeged.hu/36851 |
Hasonló tételek
-
Adversarial Robustness of Model Sets
Szerző: Megyeri István, et al.
Megjelent: (2020) -
Adversarial robustness of linear models regularization and dimensionality /
Szerző: Megyeri István, et al.
Megjelent: (2019) -
Strategies for Adversarial Robustness From Objective Functions to Efficient Evaluation /
Szerző: Al-Najjar Ammar
Megjelent: (2026) -
Adversarial Training without Hard Labels
Szerző: Al-Najjar Ammar Fayez Ali, et al.
Megjelent: (2024) -
On the Functional Similarity of Robust and Non-Robust Neural Representations
Szerző: Balogh András, et al.
Megjelent: (2023)