誰說只有VGG才能做風格遷移，ResNet也可以！答案就在對抗攻擊中

曉查 2019-06-29 13:23:55 來源：量子位

邊策 發(fā)自 凹非寺

量子位 報道 | 公眾號 QbitAI

風格遷移是VGG網(wǎng)絡架構(gòu)的拿手好戲。難道其他架構(gòu)的CNN，比如ResNet就不可以嗎？可以，但是直接用它來做風格遷移，原來的風格仍然非常明顯，幾乎沒有遷移。

就像這樣：

有沒有一種方法，在經(jīng)過調(diào)整后，可以把非VGG架構(gòu)用于風格遷移呢？

之前的確有人嘗試過。但他們不是直接優(yōu)化RGB空間中的輸出圖像，而是在傅立葉空間中對其進行優(yōu)化，并在將圖像傳遞到神經(jīng)網(wǎng)絡之前通過一系列變換（例如抖動、旋轉(zhuǎn)、縮放）來操作圖像。

△通過去相關(guān)參數(shù)化和變換魯棒性，在非VGG架構(gòu)上實現(xiàn)風格遷移

為何給圖像做一個簡單的旋轉(zhuǎn)、抖動處理，就能實現(xiàn)非VGG架構(gòu)的風格遷移？有位日本的科技博主Reiichiro Nakano受到MIT上個月發(fā)表的一篇論文啟發(fā)，用實驗結(jié)果解答了這個問題。

這篇論文叫做《對抗樣本不是bug而是特征》（Adversarial Examples Are Not Bugs, They Are Features）。下面就讓我們來分析分析。

魯棒與非魯棒特征

MIT的文章提出，用于訓練分類器的圖像中存在所謂的“魯棒”和“非魯棒”特征。

我們可以將魯棒的特征視為人類用于分類的特征，例如，大耳朵指向某些品種的狗，而黑白條紋指向斑馬。

另一方面，非魯棒特征是人類對之不敏感的特征，但是它們卻與整個訓練、測試數(shù)據(jù)集上的類別相關(guān)聯(lián)。

作者認為，可以通過用另一個類的非魯棒特征替換圖像中的非魯棒特征來產(chǎn)生對抗樣本。

有些圖像分類模型的抵抗性較差，給熊貓照片加上一點噪聲（非魯棒特征），它就會把熊貓當成長臂猿：

論文中有一張圖表特別值得注意，它顯示了對抗樣本的可遷移性與學習非魯棒特征能力之間的相關(guān)性。

于是有人推測，由于VGG無法像ResNet那樣捕獲圖像的非魯棒特征，因此在圖像分類準確率上吃虧，卻能使VGG更好地進行風格遷移。

之前我們的問題得到了解釋：

圖像變換會削弱甚至破壞非魯棒特征。經(jīng)過優(yōu)化后，CNN不再能夠可靠地利用非魯棒特征來降低損失，因此不得不利用魯棒特征，可能會對圖像變化產(chǎn)生更大的抵抗力（旋轉(zhuǎn)和抖動的耳朵仍然看起來像一個大耳朵）。

實驗

測試這個假設是相當簡單的：使用一個抵抗力強大（魯棒）的分類器進行風格遷移，看看會發(fā)生什么。

博主對兩個不同條件訓練的ResNet-50模型進行比較。一個是MIT作者用魯棒特征訓練的模型（已開源），另一個是博主自己訓練的常規(guī)ResNet-50模型（對非魯棒特征敏感）。

此外，還有常規(guī)VGG-19風格轉(zhuǎn)換的圖片作為對比。

結(jié)果成功了！魯棒ResNet模型相比常規(guī)ResNet模型顯示出了巨大的改進。請記住，二者網(wǎng)絡架構(gòu)完全相同，執(zhí)行風格遷移的代碼完全相同，只是權(quán)重不同！

在VGG-19與魯棒的ResNet之間進行比較，會得到更有趣的結(jié)果。乍一看，魯棒ResNet模型生成的圖片大致與VGG-19相同。然而，仔細觀察卻發(fā)現(xiàn)，ResNet的輸出包含更多的噪點，偽造的痕跡更明顯一些。

目前還不清楚究竟是什么原因?qū)е逻@些痕跡。一種理論是它們是由不可分的核尺寸和卷積層中的步長引起的“棋盤偽影”（checkerboard artifacts），也有可能是由最大池化層的存在造成的。

這些偽影雖然存在問題，但似乎與對抗魯棒性在神經(jīng)風格遷移中解決的問題大不相同。

結(jié)論

雖然這個實驗是因為觀察到VGG的一個特殊特征而開始的，但它沒有對這種現(xiàn)象作出解釋。實際上，如果我們要接受這樣的理論，即對抗魯棒性是VGG能直接用于神經(jīng)風格轉(zhuǎn)移的原因，我們肯定會在現(xiàn)有文獻中找到一些跡象表明VGG自然比其他架構(gòu)更強大。

不幸的是，我們找不到任何支持這個論點的東西。

也許對抗魯棒性恰好修復或掩蓋非VGG架構(gòu)在風格遷移中失敗的真正原因，即對抗魯棒性是有良好風格遷移能力的充分不必要條件。

這位日本博主認為進一步研究VGG是未來工作一個非常有趣的方向。

未來的工作

最后，博主給出了一些未來工作的想法：

1、找出魯棒ResNet偽造痕跡明顯的原因，并嘗試修復它們。

2、嘗試使用超參數(shù)，尤其是用于風格和內(nèi)容的圖層。

3、本文使用的魯棒ResNet模型來自Engstrom等人的成果。他們是在一組受限制的ImageNet上訓練，只有9個分類。在完整的ImageNet數(shù)據(jù)集上訓練分類器是否會產(chǎn)生更好的輸出。

傳送門

博客地址：

https://reiinakano.com/2019/06/21/robust-neural-style-transfer.html

論文解讀地址：

http://gradientscience.org/adv/

魯棒ResNet-50模型：

https://github.com/MadryLab/robust_representations

Cloab地址：

https://colab.research.google.com/github/reiinakano/adversarially-robust-neural-style-transfer/blob/master/Robust_Neural_Style_Transfer.ipynb