对抗 T 恤！在物理世界中规避行人检测器
计算机视觉与模式识别
2020-07-07 v3 人工智能
机器学习
摘要
众所周知，深度神经网络（DNNs）易受对抗攻击。所谓的物理对抗样本通过将对抗补丁附着到真实物体上来欺骗基于 DNN 的决策器。然而，大多数现有的物理对抗攻击工作聚焦于静态物体，如眼镜框、停车标志和贴于纸板上的图像。本工作中，我们提出对抗 T 恤，一种鲁棒的物理对抗样本，用于规避行人检测器，即使其因行人姿态变化而经历非刚性形变。据我们所知，这是首个针对 T 恤等非刚性物体设计物理对抗样本时建模形变效应的工作。我们表明，所提方法在数码世界和物理世界中分别针对 YOLOv2 实现了 74% 和 57% 的攻击成功率。相比之下，最先进的物理攻击方法欺骗行人检测器仅达到 18% 的攻击成功率。此外，通过利用极小极大优化，我们将方法扩展至同时针对两个目标检测器 YOLO-v2 和 Faster R-CNN 的集成攻击设定。
引用
@article{arxiv.1910.11099,
title = {Adversarial T-shirt! Evading Person Detectors in A Physical World},
author = {Kaidi Xu and Gaoyuan Zhang and Sijia Liu and Quanfu Fan and Mengshu Sun and Hongge Chen and Pin-Yu Chen and Yanzhi Wang and Xue Lin},
journal= {arXiv preprint arXiv:1910.11099},
year = {2020}
}