연구진이 하다마르 코드를 활용한 새로운 프레임워크 HadamardNet을 개발했어요. 이 프레임워크는 객체 탐지 및 의미 분할 모델의 출력 표현으로 하다마르 코드를 사용합니다. 적대적 공격 및 교란 감지 성능에서 최고 수준을 달성했으며, 깨끗한 데이터에서는 기존 성능과 유사한 결과를 보여줬어요.
기존의 one-hot 인코딩 방식은 공격에 취약하며, 예측 불확실성을 제대로 반영하지 못한다는 문제점을 개선하기 위해 하다마르 코드를 활용했어요. 새로운 해독 절차를 통해 클래스별 확률을 최적화하고, 예측 불일치성을 측정하여 공격 및 교란을 감지합니다.
HadamardNet은 단일 패스만으로 객체 탐지 및 의미 분할에서 최고 수준의 교란 감지 성능을 달성했으며, 클래스별 확률 최적화 및 예측 불일치성 활용이 핵심적인 역할을 합니다.