攻击无锚框检测器的重要像素
计算机视觉与模式识别
2023-01-30 v1
摘要
深度神经网络已被证明易受对抗攻击：细微扰动即可完全改变预测结果。现有的目标检测对抗攻击集中于攻击基于锚框的检测器，这可能无法很好地适用于无锚框检测器。本文中，我们提出首个专用于无锚框检测器的对抗攻击。它是一种类别级攻击，同时攻击某一类别所有实例的重要像素。我们的攻击表现为两种形式：稀疏类别级攻击（SCA）和密集类别级攻击（DCA），分别最小化基于 和 范数的扰动。对于 DCA，我们提出三种变体 DCA-G、DCA-L 和 DCA-S，分别选择全局区域、局部区域和语义区域进行攻击。我们在 PascalVOC、MS-COCO 和 MS-COCO Keypoints 等大规模基准数据集上的实验表明，我们提出的方法在目标检测和人体姿态估计任务上均达到了最先进的攻击性能与可迁移性。
引用
@article{arxiv.2301.11457,
title = {Attacking Important Pixels for Anchor-free Detectors},
author = {Yunxu Xie and Shu Hu and Xin Wang and Quanyu Liao and Bin Zhu and Xi Wu and Siwei Lyu},
journal= {arXiv preprint arXiv:2301.11457},
year = {2023}
}
备注
Yunxu Xie and Shu Hu contributed equally