削弱遥感中的对抗防御动机

卷积神经网络目前是许多遥感应用（如语义分割或目标检测）的最先进算法。然而，这些算法对过拟合、域变化以及专门设计用以欺骗它们的对抗样本极为敏感。尽管在大多数遥感应用中对抗攻击并非威胁，但人们可能想知道，增强网络抵御对抗攻击的能力是否也能提升其对过拟合的鲁棒性以及处理全球数据固有多样性的能力。本工作中，我们研究对抗重训练与对抗正则化作为实现此目的的对抗防御手段。然而，通过在公开遥感数据集上的若干实验，我们表明对抗鲁棒性似乎与地理鲁棒性及过拟合鲁棒性无关。