针对空中探测的对抗补丁伪装

通过对无人机监视视频应用基于深度学习的目标检测器，可实现对地面军事资产的探测。隐藏军事资产免于被发现的传统方式是伪装，例如使用伪装网。然而，飞机或舰船等大型资产难以用传统伪装网 conceal。一种替代性伪装类型是直接误导自动目标检测器。近来观察到，对目标图像施加微小的对抗性改动可使基于深度学习的检测器产生错误输出。特别是，对抗攻击已成功展示可阻止图像中的人物检测，需要在人物前方举一块具有特定图案的补丁，从而实质上对该检测器将人物伪装起来。对此类补丁攻击的研究仍然有限，且若干与最优补丁配置相关的问题尚待解决。本工作做出两点贡献。首先，我们将基于补丁的对抗攻击应用于无人机空中监视场景，将补丁铺设在大型军事资产上方，使其对运行于图像上的自动检测器伪装。该补丁可阻止对整个目标的自动检测，同时仅覆盖其一小部分。其次，我们使用不同补丁配置进行了若干实验，改变其大小、位置、数量和显著性。我们的结果表明，对抗补丁攻击构成了传统伪装活动的一种现实替代方案，因此应在空中监视图像的自动化分析中予以考虑。