robustbench

RobustBench: a standardized adversarial robustness benchmark Francesco Croce* (图宾根大学), Maksym Andriushchenko* (EPFL), Vikash Sehwag* (普林斯顿大学), Edoardo Debenedetti* (EPFL), Nicolas Flammarion (EPFL), Mung Chiang (普渡大学), Prateek Mittal (普林斯顿大学), Matthias Hein (图宾根大学) Leaderboard: https://robustbench.github.io/ 论文: https://arxiv.org/abs/2010.09670 ❗注意❗: 如果您在自动从 Google 云端硬盘下载模型时遇到问题,请通过 pip install git+https://github.com/RobustBench/robustbench.git.安装最新版本的RobustBench`。

资讯

• 2022 年 5 月：我们将 ImageNet 上的常见损坏排行榜扩展到 3D Common Corruptions (ImageNet-3DCC)。ImageNet-3DCC 的评估很有意思，因为 (1) 它包含更加逼真的损坏，(2) 可以用来评估现有模型的泛化能力，这些模型可能已经过拟合了 ImageNet-C。如需快速入门，请点击 [这里](#新的评估 ImageNet 模型对抗 3D Common Corruptions 的鲁棒性 - ImageNet-3DCC)。请注意，排行榜中的条目仍然按照 ImageNet-C 的性能进行排序。