针对语义图像分割的对抗样本

机器学习方法，特别是深度神经网络，已被证明容易受到对抗扰动的影响。迄今为止，这一现象主要在整图分类的背景下进行研究。在本文中，我们分析对抗扰动如何影响语义分割任务。我们展示现有的对抗攻击方法如何转移到该任务上，并证明可以创建不可感知的对抗扰动，使得深度网络对所选类别的几乎所有像素进行误分类，同时使该类别之外的网络预测几乎保持不变。