颜色与边缘感知的对抗图像扰动
计算机视觉与模式识别
2021-03-24 v2 图像与视频处理
机器学习
摘要
图像的对抗扰动是指故意修改源图像以使分类器对图像误分类，其为了解图像分类器的鲁棒性提供了重要洞见。本工作中我们提出两种构造对抗扰动的新方法，二者均受最小化人类察觉扰动图像与源图像之间差异的能力所驱动。其一为边缘感知方法，其在图像平滑区域（变化更易被察觉）降低所允许扰动幅度。其二为颜色感知方法，其在能准确刻画人类颜色分辨能力的色彩空间中执行扰动，从而减少感知变化。颜色感知与边缘感知方法亦可同时实施，产生同时考虑人类颜色感知及对均匀区域变化敏感性的图像扰动。由于许多图像扰动技术都存在边缘感知与颜色感知的修改方式，我们还聚焦于计算以展示其在更复杂扰动方案中的使用潜力。我们通过实验证明，所考虑的颜色感知与边缘感知扰动能有效导致误分类，在人类感知上更不易分辨，并且与最高效的图像扰动技术一样易于计算。代码与演示见 https://github.com/rbassett3/Color-and-Edge-Aware-Perturbations
引用
@article{arxiv.2008.12454,
title = {Color and Edge-Aware Adversarial Image Perturbations},
author = {Robert Bassett and Mitchell Graves and Patrick Reilly},
journal= {arXiv preprint arXiv:2008.12454},
year = {2021}
}