面向行人重识别的对抗度量攻击与防御
计算机视觉与模式识别
2020-10-13 v3
摘要
行人重识别（re-ID）因其在视频监控中的重要性近来备受关注。一般而言，用于判别两幅行人图像的距离度量预期对各种表观变化具有鲁棒性。然而，我们的工作观察到现有距离度量对对抗样本极度脆弱，这些样本通过对行人图像简单添加人眼难以察觉的扰动生成。因此，在视频监控中部署商用re-ID系统时，安全危险显著增加。尽管对抗样本已广泛用于分类分析，但在如行人重识别的度量分析中鲜有研究。最可能的原因是re-ID网络训练与测试之间的天然鸿沟，即若无有效度量，re-ID网络的预测在测试中无法直接利用。本工作中，我们提出对抗度量攻击（Adversarial Metric Attack）——一种与对抗分类攻击并行的方法论——来弥合这一鸿沟。综合实验清晰揭示了re-ID系统中的对抗效应。同时，我们也给出训练度量保持网络的初步尝试，从而防御针对度量的对抗攻击。最后，通过对各种对抗设定进行基准测试，我们期望本工作能推动基于度量的应用中对抗攻击与防御的发展。
引用
@article{arxiv.1901.10650,
title = {Adversarial Metric Attack and Defense for Person Re-identification},
author = {Song Bai and Yingwei Li and Yuyin Zhou and Qizhu Li and Philip H. S. Torr},
journal= {arXiv preprint arXiv:1901.10650},
year = {2020}
}
备注
Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)