Belgif Linked Data Fragments server

Matches in Data.gov.be for { <http://data.gov.be/.well-known/genid/dataset/kulrdr/doi-10-48804/JPFQ8U> ?p ?o ?g. }

• JPFQ8U accessRights PUBLIC @default.
• JPFQ8U bibliographicCitation "Aghabagherloo, Alireza; Gálvez Vizcaíno, Rafa; Preuveneers, Davy; Preneel, Bart, 2025, "Replication Data for: Unveiling Illusionary Robust Features: A Novel Approach for Adversarial Defenses in Deep Neural Networks", https://doi.org/10.48804/JPFQ8U, KU Leuven RDR, V1" @default.
• JPFQ8U contributor 0000-0003-0783-0261 @default.
• JPFQ8U created "2025-09-17T06:26:49Z" @default.
• JPFQ8U creator 0000-0001-6279-4430 @default.
• JPFQ8U creator 0000-0002-1565-933X @default.
• JPFQ8U creator 0000-0003-0783-0261 @default.
• JPFQ8U creator 0000-0003-2005-9651 @default.
• JPFQ8U description "Dans cet article, nous avons utilisé trois ensembles de données de référence largement utilisés: CIFAR-10, MNIST et CINIC-10. CIFAR-10 contient 60 000 images couleur (50 000 pour la formation et 10 000 pour les tests) dans 10 classes pour les tâches de reconnaissance d'objets. MNIST se compose de 70 000 images en niveaux de gris de chiffres manuscrits, couramment utilisés pour la recherche de classification d'images. CINIC-10 étend CIFAR-10 avec une sélection d'images ImageNet, totalisant 270 000 images dans les mêmes catégories, prenant en charge les évaluations d'évolutivité et de robustesse. Ensemble, ces ensembles de données fournissent une base pour la recherche dans la vision par ordinateur, les réseaux neuronaux et l'apprentissage par transfert. Dans l'article « Unveiling Illusionary Robust Features », nous avons appliqué notre méthode de robustesse purifiée à CIFAR-10 et CINIC-10. L’ensemble de données CIFAR-10 qui en résulte est disponible à l’adresse suivante: (données_de train disponibles dans "https://drive.google.com/file/d/1kUlo2mHeTaA-fdEonaeK-rts7bhm4l5y/view?usp=sharing", et étiquettes_de train disponibles dans "https://drive.google.com/file/d/1p7msdDBnbg4Jz5NGBG-roNjczR7QvkVd/view?usp=sharing")." @default.
• JPFQ8U description "In diesem Papier haben wir drei weit verbreitete Benchmark-Datensätze verwendet: CIFAR-10, MNIST und CINIC-10. CIFAR-10 enthält 60.000 Farbbilder (50.000 für Schulungen und 10.000 für Tests) in 10 Klassen für Objekterkennungsaufgaben. MNIST besteht aus 70.000 Graustufenbildern von handgeschriebenen Ziffern, die häufig für die Bildklassifizierungsforschung verwendet werden. CINIC-10 erweitert CIFAR-10 um eine Auswahl von ImageNet-Bildern mit insgesamt 270.000 Bildern in denselben Kategorien und unterstützt Skalierbarkeits- und Robustheitsbewertungen. Zusammen bilden diese Datensätze eine Grundlage für die Forschung im Bereich Computer Vision, neuronale Netze und Transfer Learning. In dem Papier "Unveiling Illusionary Robust Features" haben wir unsere gereinigte Robustisierungsmethode auf CIFAR-10 und CINIC-10 angewendet. Den daraus resultierenden rein robustisierten CIFAR-10-Datensatz finden Sie hier: (train_data available in "https://drive.google.com/file/d/1kUlo2mHeTaA-fdEonaeK-rts7bhm4l5y/view?usp=sharing", und train_labels sind verfügbar in "https://drive.google.com/file/d/1p7msdDBnbg4Jz5NGBG-roNjczR7QvkVd/view?usp=sharing")." @default.
• JPFQ8U description "In dit artikel hebben we drie veelgebruikte benchmarkdatasets gebruikt: CIFAR-10, MNIST en CINIC-10. CIFAR-10 bevat 60.000 kleurenafbeeldingen (50.000 voor training en 10.000 voor testen) in 10 klassen voor objectherkenningstaken. MNIST bestaat uit 70.000 grijswaardenafbeeldingen van handgeschreven cijfers, vaak gebruikt voor beeldclassificatieonderzoek. CINIC-10 breidt CIFAR-10 uit met een selectie van ImageNet-afbeeldingen, in totaal 270.000 afbeeldingen in dezelfde categorieën, ter ondersteuning van schaalbaarheids- en robuustheidsevaluaties. Samen vormen deze datasets een basis voor onderzoek op het gebied van computer vision, neurale netwerken en transfer learning. In het artikel 'Unveiling Illusionary Robust Features' hebben we onze gezuiverde robuustheidsmethode toegepast op CIFAR-10 en CINIC-10. De resulterende puur robuuste CIFAR-10-gegevensset is hier beschikbaar: (train_data beschikbaar in "https://drive.google.com/file/d/1kUlo2mHeTaA-fdEonaeK-rts7bhm4l5y/view?usp=sharing", en train_labels zijn beschikbaar in "https://drive.google.com/file/d/1p7msdDBnbg4Jz5NGBG-roNjczR7QvkVd/view?usp=sharing")." @default.
• JPFQ8U description "In this paper, we used three widely used benchmark datasets: CIFAR-10, MNIST, and CINIC-10. CIFAR-10 contains 60,000 color images (50,000 for training and 10,000 for testing) across 10 classes for object recognition tasks. MNIST consists of 70,000 grayscale images of handwritten digits, commonly used for image classification research. CINIC-10 extends CIFAR-10 with a selection of ImageNet images, totaling 270,000 images across the same categories, supporting scalability and robustness evaluations. Together, these datasets provide a foundation for research in computer vision, neural networks, and transfer learning. In the paper, "Unveiling Illusionary Robust Features," we applied our purified robustification method to CIFAR-10 and CINIC-10. The resulting purely robustified CIFAR-10 dataset is available here: (train_data available in "https://drive.google.com/file/d/1kUlo2mHeTaA-fdEonaeK-rts7bhm4l5y/view?usp=sharing", and train_labels are available in "https://drive.google.com/file/d/1p7msdDBnbg4Jz5NGBG-roNjczR7QvkVd/view?usp=sharing")." @default.
• JPFQ8U identifier "doi:10.48804/JPFQ8U" @default.
• JPFQ8U issued "2025-09-29T09:21:53Z" @default.
• JPFQ8U modified "2025-10-09T12:53:56Z" @default.
• JPFQ8U publisher 0419052173 @default.
• JPFQ8U subject "Computer engineering, information technology and mathematical engineering" @default.
• JPFQ8U subject "Electrical and electronic engineering" @default.
• JPFQ8U subject "Information and computing sciences" @default.
• JPFQ8U title "Données de réplication pour: Dévoilement des caractéristiques robustes illusoires: Une nouvelle approche pour les défenses contradictoires dans les réseaux neuronaux profonds" @default.
• JPFQ8U title "Replicatiegegevens voor: Onthulling Illusie Robuuste Eigenschappen: Een nieuwe aanpak voor vijandige verdedigingen in diepe neurale netwerken" @default.
• JPFQ8U title "Replication Data for: Unveiling Illusionary Robust Features: A Novel Approach for Adversarial Defenses in Deep Neural Networks" @default.
• JPFQ8U title "Replikationsdaten für: Enthüllung illusionärer robuster Funktionen: Ein neuartiger Ansatz für Adversarial Defenses in Deep Neural Networks" @default.
• JPFQ8U citedBy genid67347 @default.
• JPFQ8U type Dataset @default.
• JPFQ8U contactPoint genid67348 @default.
• JPFQ8U keyword "CIFAR-10" @default.
• JPFQ8U keyword "CINIC-10" @default.
• JPFQ8U keyword "ImageNet" @default.
• JPFQ8U keyword "MNIST" @default.
• JPFQ8U keyword "neural networks" @default.
• JPFQ8U landingPage JPFQ8U @default.
• JPFQ8U theme TECH @default.
• JPFQ8U version "1" @default.