# awesome-HUST-CS-CV
+ 华中科技大学计算机视觉实验，基于卷积神经网络的手写数字识别（利用了2015年的ILSVRC竞赛的冠军模型ResNet “残差学习” 算法），和快速梯度下降法（FGSM）的攻击以及基于对抗训练的防御。
+ 手写数字识别任务接近sota 20轮迭代下模型预测准确率可达0.996。
+ 扰动幅度为 50/255 时，非定向攻击ASR可达约 50%, 定向攻击ASR 可达约 25%.
+ STAR please！
效果展示：
定向攻击：
基于python+卷积神经网络的手写数字识别源码+全部数据+报告文档（95分以上大作业）.zip
版权申诉
110 浏览量
2023-11-26
19:02:37
上传
评论 1
收藏 2.61MB ZIP 举报
基于python+卷积神经网络的手写数字识别.zip （11个子文件） 
awesome-H主-main 基于MNIST的手写数字识别 
re.txt 18B
readme.md 606B
沈承磊+U201914376.pdf 1.39MB history.ipynb 36KB requirements.txt 3KB cvlab1.py 6KB FGSM攻击-对抗训练防御 readme.md 369B 沈承磊+U201914376.pdf 1.43MB requirements.txt 3KB cvlab2.py 17KB README.md 1KB资源评论
