面向目标检测的上下文感知迁移攻击
计算机视觉与模式识别
2021-12-07 v1 人工智能
机器学习
摘要
近年来，针对图像分类器的黑盒迁移攻击已被广泛研究。相比之下，针对目标检测器的迁移攻击进展甚微。目标检测器从整体视角看待图像，且对一个对象（或缺失）的检测常依赖于场景中其他对象。这使得此类检测器本质上是上下文感知的，且该领域的对抗攻击比针对图像分类器的更具挑战性。本文提出一种为对象检测器生成上下文感知攻击的新方法。我们表明，通过利用对象的共现及其相对位置与大小作为上下文信息，可成功生成目标误分类攻击，在黑盒目标检测器上取得比当前最优（state-of-the-art）更高的迁移成功率。我们在多种目标检测器上以 PASCAL VOC 与 MS COCO 数据集的图像测试了我们的方法，并展示相较其他最优方法最高达 个百分点的性能提升。
引用
@article{arxiv.2112.03223,
title = {Context-Aware Transfer Attacks for Object Detection},
author = {Zikui Cai and Xinxin Xie and Shasha Li and Mingjun Yin and Chengyu Song and Srikanth V. Krishnamurthy and Amit K. Roy-Chowdhury and M. Salman Asif},
journal= {arXiv preprint arXiv:2112.03223},
year = {2021}
}
备注
accepted to AAAI 2022