开发不可感知对抗补丁以对计算机视觉技术伪装军事资产

卷积神经网络（CNNs）在目标检测中已展现出快速进展与高度成功。然而，近期证据凸显了它们对对抗攻击的脆弱性。这些攻击是经过计算的影像扰动或对抗补丁，会导致目标误分类或检测抑制。传统伪装方法在用于使飞机及其他大型机动资产躲避情报、监视与侦察技术以及第五代导弹中的自主检测时并不实用。本文中，我们提出一种独特方法，可生成能够使大型军事资产躲避计算机视觉赋能技术的不可感知补丁。我们通过最大化目标检测损失同时限制补丁的颜色可感知性来开发这些补丁。本工作也旨在增进对对抗样本及其对目标检测算法影响的理解。