4- Çekişmeli Eğitim: Derin Ağlara Saldırılar ve Çekişmeli Üretici Modeller
Etkinlik türü: Eğitim Semineri
Eğitim seminerinin adı:
Çekişmeli Eğitim: Derin Ağlara Saldırılar ve Çekişmeli Üretici Modeller
(Adversarial Training: Attacks on Deep Networks and Generative Adversarial Models)
Eğitim seminerini düzenleyenler:
Aykut Erdem, Hacettepe Üniversitesi, aykut{a*}cs.hacettepe.edu.tr
Erkut Erdem, Hacettepe Üniversitesi, erkut{a*}cs.hacettepe.edu.tr
Levent Karacan, Hacettepe Üniversitesi, karacan{a*}cs.hacettepe.edu.tr
Eğitim seminerinin içeriği:
Derin öğrenme olarak adlandırılan yapay öğrenme yaklaşımı görüntü sınıflandırma, nesne tespiti gibi bilgisayarlı görünün zorlu problemlerinin çözümünde önemli ilerlemeler sağlamış ve insan başarısına yaklaşan bu modeller güvenlik sistemlerinden otonom araçlara kadar pek çok farklı alanda akademik bir uğraş olmaktan çıkıp ürünleşmeye başlamış durumdadır. Hızlı gelişen bu alanda son birkaç yılda ortaya çıkan bir düşünce de çekişmeli eğitim (adversarial training) kavramıdır. Derin modellere saldırılardan üretici modellere kadar farklı konularda kendine kullanım alanı bulan bu kavram seminerimizin ana temasını oluşturacaktır.
Derin ağ modellerinin bütün başarılarına rağmen onların tamamen güvenli ve sağlam oldukları söylenemez. Bu eğitim seminerinde ilk olarak; bilgisayarlı görüde sıklıkla kullanılan derin evrişimsel ağların çekişmeli örnekler (adversarial examples) olarak adlandırılan gerçekçi veya sentetik örnekler ile nasıl aldatılabildikleri gösterilecektir. Seminerin ikinci bölümünde ise yakın tarihte önerilmiş olan çekişmeli üretici ağlara (generative adversarial networks) bir giriş yapılacak ve bu ağ modeli veya farklı biçimleri kullanılarak doğal görünümlü gerçekçi görüntülerin nasıl üretilebileceği incelenecektir. Son olarak, çekişmeli üretici ağlara dayalı geliştirdiğimiz görüntü düzenleme uygulamaları hakkında bilgiler verilecek ve elde ettiğimiz sonuçlar sunulacaktır.
Eğitim seminerinde anlatılacak konular:
Evrişimsel sinir ağlarının hızlı bir incelemesi
Çekişmeli örnek hazırlama yaklaşımları
Bu tür saldırıların azaltılması için önerilen savunma yöntemleri
Çekişmeli üretici ağlara bir giriş
Çekişmeli üretici ağlar kullanarak görüntü üretimi
Çekişmeli üretici ağlara dayalı uygulamalar
Eğitim seminerinin öğrenme amaçları:
Çekişmeli örnekler, çekişmeli eğitim ve çekişmeli üretici ağları daha önce duymamış kişilere bu konuların temellerini aktarmak
Katılımcıları çekişmeli eğitim ve çekişmeli üretici ağların en güncel kullanım alanları hakkında bilgilendirmek
Katılımcıları, bu alana kendi katkılarını sağlayabilecek duruma getirmek
Hedef kitle:
Bu eğitim seminerinin hedef kitlesi, evrişimsel sinir ağlarının barındırdığı sınırlamalar hakkında farkında olmak isteyen, çekişmeli eğitim ve çekişmeli üretici ağlar konusunda bilgilenmek kişilerdir. Eğitim içeriği özellikle bu konularda bilgi sahibi olmayan kişilere odaklanarak oluşturulmuştur ancak yer yer bu konulara aşina olan kişiler için daha ileri seviye bilgilere de yer verilmektedir.
Düzenleyicilerin özgeçmişi:
Aykut Erdem, lisans ve yüksek lisans derecelerini 2001 ve 2003 yıllarında Orta Doğu Teknik Üniversitesi (ODTÜ) Bilgisayar Mühendisliği Bölümü'nden almıştır. Aynı kurumdaki doktora çalışmaları esnasında 2004 yazında Virginia Tech (Blacksburg, ABD)'de ziyaretçi araştırmacı, 2007 sonbaharında ise MIT (Cambridge, ABD)'de burslu ziyaretçi öğrenci olarak bulunmuştur. 2008'de tamamladığı doktorasının ardından 2008-2010 yılları arasında Venedik Ca' Foscari Üniversitesi Bilgisayar Bilimleri Bölümü'nde doktora sonrası araştırmacı olarak çalışmıştır. 2010 yılında katıldığı Hacettepe Üniversitesi'nde şu an Bilgisayar Mühendisliği bölümünde Yardımcı Doçent olarak görev yapmaktadır ve Hacettepe Üniversitesi Bilgisayarlı Görü Laboratuvarı (HUCVL)'nın kurucularından birisidir. Araştırmalarının temel amacı, görsel veriyi anlamak, yorumlamak ve işlemek için etkin yolların bulunması olup, son zamanlarda yoğunluklu olarak resim düzenleme, görsel veri madenciliği ve dil ve görmenin bütünleştirilmesi konularında çalışmaktadır.
Daha fazla bilgi için: http://web.cs.hacettepe.edu.tr/~aykut/
Erkut Erdem, lisans ve yüksek lisans derecelerini 2001 ve 2003 yıllarında Orta Doğu Teknik Üniversitesi Bilgisayar Mühendisliği Bölümünden almıştır. 2004 ve 2007 yıllarında kısa sureli olarak Virginia Tech ve University of California, Los Angeles'da ziyaretçi araştırmacı olarak çalışmıştır. 2008 yılında Orta Doğu Teknik Üniversitesi'nde doktora çalışmalarını tamamladıktan sonra doktora sonrası araştırmalarını 2009-2010 yılları arasında Télécom ParisTech, Ecole Nationale Supérieure des Télécommunications'da sürdürmüştür. 2010 yılında Hacettepe Üniversitesi Bilgisayar Mühendisliği Bölümü'nde öğretim görevlisi olarak çalışmaya başlamıştır ve 2014 yılından itibaren de yine aynı bölümde Yardımcı Doçent olarak görev yapmaktadır. Hacettepe Üniversitesi Bilgisayarlı Görü Laboratuvarının kurucuları arasındadır. Araştırma alanları genel olarak bilgisayarlı görü ve makine öğrenmesi olup özellikle görüntü düzenleme ve düzleştirme, görsel belirginlik kestirimi, bütünleşik dil ve görme uygulamaları konularında araştırmalar yürütmektedir.
Daha fazla bilgi için: http://web.cs.hacettepe.edu.tr/~erkut/
Levent Karacan, lisans derecesini 2011 yılında Erciyes Üniversitesi Bilgisayar Mühendisliği Bölümünden almıştır. 2014 yılında doku ve yapı ayrıştırmasına dayalı görüntü düzleştirme konulu teziyle Hacettepe Üniversitesi Bilgisayar Mühendisliği Bölümünden yüksek lisans derecesini
almıştır ve aynı bölümde halen Aykut Erdem ve Erkut Erdem danışmanlığında doktora çalışmalarına devam etmektedir. Araştırma konuları, görüntü düzenleme ve düzleştirme ve daha güncel olarak derin üretici modellerini kapsamaktadır. Çalışmalarını SIGGRAPH Asia, IEEE International Conference on Computer Vision (ICCV) gibi prestijli konferanslarda sunmuştur.
Daha fazla bilgi için: http://web.cs.hacettepe.edu.tr/~karacan/
Title: Adversarial Training: Attacks on Deep Networks and Generative Adversarial Models
Organizers:
Aykut Erdem, Hacettepe University, aykut{a*}cs.hacettepe.edu.tr
Erkut Erdem, Hacettepe University, erkut{a*}cs.hacettepe.edu.tr
Levent Karacan, Hacettepe University, karacan{a*}cs.hacettepe.edu.tr
Description:
A machine learning technique known as deep learning has made considerable progress in solving difficult problems in computer vision such as image classification and object detection. These models, which achieve prediction quality comparable to human performance, have begun to be deployed commercially in a large variety of areas from surveillance systems to autonomous vehicles. An approach that has emerged in the last few years in this rapidly developing field is the concept of adversarial training. This concept, which finds its way into a growing number of areas from the attacks to deep models to generative models, will form the main theme of our seminar.
Despite all the successes of deep neural network models, they are not indeed completely secure and robust. In this tutorial, we will first show that the convolutional neural networks which are commonly used in computer vision can be deceived by realistic or synthetic samples referred to as adversarial examples. In the second part of the tutorial, an introduction will be made to the recently proposed generative adversarial networks and how natural visual realistic images can be generated using this network model or its variants will be examined. Finally, we will provide information about the image editing applications we have developed based on generative adversarial networks and present our results.
Topics:
- A quick review of convolutional neural networks
- Approaches for generating adversarial examples
- Defensive mechanisms against adversarial attacks
- An introduction to generative adversarial networks
- Image generation using generative adversarial networks
- Applications based on generative adversarial networks
Tutorial Objectives:
- To give the audience a well-founded understanding of adversarial examples, adversarial training and generative adversarial networks
- To provide a comprehensive overview of the current applications of adversarial training and generative adversarial networks
- To bring participants into a position where they can contribute to this research area
Target Audience:
The target audience of this tutorial is those who want to familiarize with the limitations of convolutional neural networks, and to learn about adversarial training and generative adversarial networks. The tutorial content is mainly focused on those who do not have knowledge on these subjects, but there will also be some advanced topics for the audience who has a basic knowledge.
Speaker Biographies:
Aykut Erdem received his bachelor's and master's degrees in Computer Engineering from Middle East Technical University (METU) in 2001 and 2003. During his doctoral studies at the same institution, he was a guest researcher at Virginia Tech (Blacksburg, USA) in the summer of 2004, and a visiting scholar at MIT (Cambridge, USA) in the fall of 2007. After completing his doctorate in 2008, he worked as a post-doctoral researcher in the Department of Computer Science at the Ca 'Foscari University in Venice. He is currently working as Assistant Professor in the Department of Computer Engineering at Hacettepe University, where he joined in 2010, and is one of the founders of Hacettepe University Computer Vision Laboratory (HUCVL). The main purpose of his research is to find effective ways to understand, interpret and manipulate visual data, and recently he has been working intensively on image editing, visual data mining and integrating language and visual art. For more information: http://web.cs.hacettepe.edu.tr/~aykut/
Erkut Erdem received his bachelor's and master's degrees from Computer Engineering Department of Middle East Technical University in 2001 and 2003. In 2004 and 2007 she worked as a visiting researcher at Virginia Tech and the University of California, Los Angeles. After completing his doctoral studies at the Middle East Technical University in 2008, he pursued his post-doctoral research in 2009-2010 at Télécom ParisTech, Ecole Nationale Supérieure des Télécommunications. He started working as a lecturer in Computer Engineering Department of Hacettepe University in 2010 and since 2014 he has been working as Assistant Professor in the same department. He is one of the founders of Hacettepe University Computer Vision Laboratory. His research interests are computer vision and machine learning in general, and he is particularly involved in image editing and matting, visual saliency estimation, and integrated language and visual applications. For more information: http://web.cs.hacettepe.edu.tr/~erkut/
Levent Karacan received his undergraduate degree from Erciyes University Computer Engineering Department in 2011. He got his master's degree from Hacettepe University Department of Computer Engineering with his thesis on image smoothing based on texture and structure decomposition in 2014. He is currently a PhD candidate in the same department, pursuing his doctoral studies under the supervision of Aykut Erdem and Erkut Erdem. His research interests include image editing and smoothing, and more recently, deep generative models. He has presented his studies at prestigious conferences such as SIGGRAPH Asia, IEEE International Conference on Computer Vision (ICCV). For more information: http://web.cs.hacettepe.edu.tr/~karacan/
