DAPAS：用于防止语义分割中对抗攻击的去噪自编码器
计算机视觉与模式识别
2020-04-08 v4
摘要
如今，深度学习技术在计算机视觉领域展现出惊人的性能，甚至超越人类。但它也容易受到称为对抗攻击的微小扰动的影响。这是一个与人工智能安全性相关的问题，近来已被大量研究。这些攻击已表明能够欺骗图像分类、语义分割和目标检测模型。我们指出这种攻击可通过去噪自编码器来防御，其用于去除扰动并恢复原始图像。我们使用多种噪声分布进行实验，并验证了去噪自编码器在语义分割中抵御对抗攻击的效果。
引用
@article{arxiv.1908.05195,
title = {DAPAS : Denoising Autoencoder to Prevent Adversarial attack in Semantic Segmentation},
author = {Seungju Cho and Tae Joon Jun and Byungsoo Oh and Daeyoung Kim},
journal= {arXiv preprint arXiv:1908.05195},
year = {2020}
}
备注
Accepted to be published in: 2020 International Joint Conference on Neural Networks (IJCNN), Glasgow, July 19--24, 2020