prikaz prve stranice dokumenta Pronalaženje sustavnih pogrešaka označavanja u podatcima za učenje
Rad nije dostupan
diplomski rad
Pronalaženje sustavnih pogrešaka označavanja u podatcima za učenje
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:969290
Družijanić, Luka
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Družijanić, L. (2024). Pronalaženje sustavnih pogrešaka označavanja u podatcima za učenje (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:969290

Družijanić, Luka. "Pronalaženje sustavnih pogrešaka označavanja u podatcima za učenje." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:969290

Družijanić, Luka. "Pronalaženje sustavnih pogrešaka označavanja u podatcima za učenje." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:969290

Družijanić, L. (2024). 'Pronalaženje sustavnih pogrešaka označavanja u podatcima za učenje', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:969290

Družijanić L. Pronalaženje sustavnih pogrešaka označavanja u podatcima za učenje [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:969290

L. Družijanić, "Pronalaženje sustavnih pogrešaka označavanja u podatcima za učenje", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:969290

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:969290
Podaci o radu
NaslovPronalaženje sustavnih pogrešaka označavanja u podatcima za učenje
Naslov (engleski)Detecting systematic label errors in training data
AutorLuka Družijanić
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaJan Šnajder (član povjerenstva)
Član povjerenstvaAdrian Satja Kurdija (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-10, Hrvatska
Sažetak
Veliki kapaciteti dubokih modela i ogromna količina podataka potrebna za njihovo učenje omogućava napade zasnovane na trovanju podataka za učenje. Otrovani primjeri sadrže neprimjetan uzorak te im je oznaka promijenjena na određeni ciljni razred. Učen na ovakvim podacima, duboki model će se ponašati normalno na običnim primjerima, no, kada vidi umetnuti okidač, krivo će klasificirati primjer u ciljni razred. Pokazano je da pristup baziran na samonadziranom učenju reprezentacija uspijeva očistiti skup podataka od većine napada. Međutim, napadi koji unose jake deformacije na sliku izbjegavaju ovu obranu jer se ponašaju drugačije u prostoru reprezentacija. Predlažemo poboljšanje čišćenja samonadziranim učenjem dodavanjem koraka smanjenja dimenzionalnosti i grupiranja kako bismo suzbili i disruptivne napade.
Sažetak (engleski)
Large capacities of deep models and the huge amounts of data required for their training enables backdoor attacks based on data poisoning. Poisoned samples contain an unperceptible pattern, and their label is changed into a target class. Trained on such data, a deep model will behave normally on regular samples, but will misclassify samples with the backdoor trigger pattern into the target class. It has been shown that an approach based on self-supervised representation learning can clean the training dataset from these attacks. However, attacks that inject strong perturbations into poisoned samples are not detected by cleansing based on self-supervised representations due to very different behaviours in latent representation space. We suggest an improvement of the self-supervised cleansing method by adding dimensionality reduction and clustering steps to detect disruptive attacks.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:969290
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 20:28:06