针对目标检测系统的深度对抗攻击
人工智能
2021-08-31 v2
摘要
目标检测系统通过在感兴趣输入图像上定位目标坐标来识别目标。理想情况下，这是通过将图像中每个像素标注为背景或潜在目标像素来实现的。深度卷积神经网络（DCNN）分类器已被证明是计算机视觉应用的成功工具。然而，先前研究证实，即便最先进的分类器模型也易受对抗攻击。在本文中，我们展示了如何通过向目标区域添加微小扰动来生成对抗红外图像，从而在显著程度上欺骗基于 DCNN 的目标检测器。我们展示了在开发视觉上不可感知的对抗红外图像方面的显著进展，其中目标可被专家视觉识别，但基于 DCNN 的目标检测器无法检测图像中的目标。
引用
@article{arxiv.2108.05948,
title = {Deep adversarial attack on target detection systems},
author = {Uche M. Osahor and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2108.05948},
year = {2021}
}
备注
Trying to improve the paper