对抗感知的鲁棒目标检测器
计算机视觉与模式识别
2022-07-25 v3
摘要
目标检测作为一项基础的计算机视觉任务，随着深度神经网络的出现已取得显著进展。然而，极少有工作探索目标检测器的对抗鲁棒性以抵抗对抗攻击，从而满足各类真实场景中的实际应用。检测器已受到难以察觉扰动的巨大挑战，在干净图像上性能急剧下降，在对抗图像上性能极差。本工作中，我们从经验上探索目标检测中面向对抗鲁棒性的模型训练，其很大程度上归因于在干净图像与对抗图像学习之间的冲突。为缓解该问题，我们提出一种基于对抗感知卷积的鲁棒检测器（RobustDet），以解耦模型在干净与对抗图像上学习的梯度。RobustDet 还采用对抗图像判别器（AID）与带重建的一致特征（CFR）来确保可靠的鲁棒性。在 PASCAL VOC 与 MS-COCO 上的大量实验表明，我们的模型有效解耦梯度，并在保持干净图像检测能力的同时显著增强了检测鲁棒性。
引用
@article{arxiv.2207.06202,
title = {Adversarially-Aware Robust Object Detector},
author = {Ziyi Dong and Pengxu Wei and Liang Lin},
journal= {arXiv preprint arXiv:2207.06202},
year = {2022}
}
备注
ECCV2022 oral paper